Conceptos Basicos de Probabilidad

1
UNIVERSIDAD NACIONAL AUTONOMA

DE MEXICO
FACULTAD DE CIENCIAS
CONSIDERACIONES SOBRE ALGUNOS CONCEPTOS
BASICOS
DE PROBABILIDAD
TESIS
QUE PARA OBTENER EL TITULO DE:
ACTUARIO
PRESENTA:
LUIS ENRIQUE CALVA SANCHEZ
DIRECTOR DE TESIS:
SOLIS
DR. LUIS ANTONIO RINCON
MEXICO,
D.F.
2005
Consideraciones sobre algunos conceptos

basicos de probabilidad
Luis Enrique Calva Sanchez
Noviembre 2005
Contenido
1 Introducci
on
2 Inicios
5
2.1 Gerolamo Cardano . . . . . . . . . . . . . . . . . . . . . . . . 6
2.2 Galileo Galilei . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.3 Correspondencia . . . . . . . . . . . . . . . . . . . . . . . . . 12
3 Combinatoria
3.1 Regla de la multiplicacion
3.2 Tecnicas de conteo . . . .
3.3 Ejemplos . . . . . . . . . .
3.4 Ejercicios . . . . . . . . .
4 Probabilidad
4.1 Formula clasica . . . . . .
4.2 Probabilidad geometrica .
4.3 Probabilidad frecuencial .
4.4 Primer teorema del lmite
4.5 Espacio muestral . . . . .
4.6 Reglas aditivas . . . . . .
4.7 Ejemplos . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
5 Independencia
5.1 Eventos independientes . . .
5.2 Experimentos Bernoulli . . .
5.3 Probabilidad condicional . .
5.4 Regla de probabilidad total
5.5 Teorema de Bayes . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
1
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
18
18
20
24
36
.
.
.
.
.
.
.
39
40
41
42
43
45
45
50
.
.
.
.
.
72
72
76
77
80
82
CONTENIDO
5.6 Ejemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
6 Esperanza
6.1 Esperanza matematica . . . .
6.2 Paradoja de San Petersburgo
6.3 Suma de precios justos . . . .
6.4 Ejemplos . . . . . . . . . . . .
7 Conclusiones
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
91
91
95
97
99
106
Captulo 1
Introducci
on
En el presente trabajo de tesis se desarrollan algunos conceptos basicos de
la teora de la probabilidad haciendo enfasis en la intuicion, los aspectos
historicos y procurando que las ideas y notacion utilizados parezcan mas
simples y naturales, en contraste con la forma en que tradicionalmente se
presentan en los libros de texto usuales. La idea de un escrito de esta naturaleza surgio a partir de la percepcion del autor en el sentido de que la
probabilidad es ense
nada en los cursos regulares de una forma poco natural, con medianos o altos niveles de abstraccion, y poca o nula atencion a
los aspectos intuitivos e historicos de los conceptos. Muy posiblemente los
altos niveles de reprobacion y el bajo nivel de entendimiento de las ideas elementales de esta parte de las matematicas pueda ser explicado por la forma
poco natural en la que se presentan sus conceptos y definiciones. En este
trabajo se plantean, explican y revisan algunos de estos conceptos con el fin
de motivar y mejorar su entendimiento.
El texto esta dirigido a estudiantes de nivel medio superior y superior, y
al p
ublico en general con cierto entrenamiento en el manejo de formulas
matematicas. El objetivo es atraer la atencion hacia el estudio de los fenomenos
probabilsticos, y fomentar tres habilidades principales: utilizar algunas de
las tecnicas de conteo, aplicar las formulas para calcular probabilidades e
interpretar los resultados.
El trabajo esta dividido en cinco captulos. En el primero se describen los
3

CAPITULO 1. INTRODUCCION
orgenes de la teora de la probabilidad y se resaltan algunas de las aportaciones de Gerolamo Cardano, Galileo Galilei, Pierre de Fermat y Blaise Pascal. El segundo captulo se centra en la descripcion de las tecnicas de conteo
basicas para la resolucion de problemas de probabilidad, y se proporcionan algunos ejemplos de su aplicacion. En el tercer captulo se presentan
tres formas o formulas para calcular la probabilidad de eventos, as como
la terminologa que se utiliza en la teora de la probabilidad. En el cuarto
captulo se introduce el concepto de independencia probabilista, as como
algunas de las formulas o teoremas como el de Bayes, de probabilidad total
y de Bernoulli. Por u
ltimo, en el captulo cinco se estudia el concepto de
esperanza matematica.
Para realizar este trabajo han sido utilizados algunos escritos relacionados
con la investigacion en la ense
nanza y aprendizaje de la probabilidad. En
estos escritos se exponen algunas dificultades principales que tienen las personas para resolver e interpretar problemas de esta disciplina, y que han
sido identificadas por psicologos y matematicos, entre otros, en sus investigaciones. As, en los ejemplos que se presentan en este trabajo, se hace
hincapie en que el lector reconozca los razonamientos erroneos que a menudo
son usados en la percepcion, entendimiento e interpretacion de algunos conceptos y resultados de la probabilidad.
Captulo 2
Inicios
Los aleatorizadores mas antiguos que se conocen son los astragalos o huesos de
taba. Estos instrumentos del azar eran huesos del talon de alg
un animal como
el caballo, los cuales estaban conformados de tal manera que al ser lanzados
sobre una superficie uniforme se pudieran obtener cuatro resultados; la peor
tirada era llamada perro, tena un valor de 1, la cara opuesta era llamada
Venus, que tena un valor de 6 puntos y era la mejor tirada. Los astragalos son
la version primitiva de lo que hoy conocemos como dados, cuya existencia
se remonta, por lo menos, 3000 a
nos antes de Cristo, por ello han estado
presentes en muchas culturas y epocas de la historia.
Existen muchos pasajes historicos donde se utilizan los dados para jugar y
apostar. Por ejemplo, en el tercer libro de la epopeya hind
u el Mahabarata,
se narra la historia de Nala, el cual es posedo por Kala, un semidios de los
dados, provocando con esto que Nala pierda su reino jugando y apostando.
Despues de vagar por algunos a
nos, Nala se encuentra con Rtuparna, quien
presume de sus habilidades matematicas, afirmando que en dos grandes ramas de un arbol hay un cierto n
umero de hojas y frutos. Para hacer esta
afirmacion Rtuparna cuenta las hojas y los frutos de una peque
na rama.
Nala pasa toda una noche contando para verificar lo que Rtuparna afirma,
quedando sorprendido por su exactitud. En una traduccion hecha por H.
H Milman [1860, p 76] se puede leer lo que dice Rtuparna acerca de sus
habilidades: Yo de los dados poseo su ciencia y as en los n
umeros diestro
soy.
5
CAPITULO 2. INICIOS
As pues, el dado es el utensilio por excelencia en los juegos de azar, y de ah

que los primeros escritos que se pueden asociar al surgimiento de estudios de
probabilidad se encuentren tan relacionados con este.
2.1
Gerolamo Cardano
La obra de Cardano Liber de Ludo Aleae[3], escrita aproximadamente en

1564, es considerada como uno de los primeros intentos para descifrar los
misterios que envolvan al principal utensilio de los juegos de azar: el dado.
Antes de iniciar con el aspecto matematico, veamos algunas de las frases que
muestran la ideologa que presenta Cardano en su obra.
[. . .] cuanto mayor es la apuesta mayor es el deshonor [. . .][3]
[. . .] nunca es tan grande la ganancia del victorioso como la
perdida del vencido[3]
[. . .] lo mismo sucede si el Fritillo recibe la luz de la parte opuesta, esto es perjudicial pues perturba la mente [. . .] tambien
se dice que es beneficioso si se toma posicion frente a la luna en
maximo ascenso.
En principio, podemos decir que la obra de Cardano refleja su pasion por el
juego, las apuestas y sus experiencias en este ambito. Es importante ver el
vnculo que Cardano crea entre las matematicas, la moral y los juegos, pues
siendo el un jugador, busca que los juegos sean justos y que las cantidades
apostadas no reflejen codicia mas que diversion o pasion. De la u
ltima cita
donde se hace referencia a la posicion de la luna, podemos suponer un cierto
grado de fe por alguna divinidad que intercede a favor de algunos, a esto
le llamaramos suerte.
En general, lo que se espera de un juego de azar es que sea justo, y cuando
se utilizan los dados para obtener un triunfador, los jugadores se preocupan
CAPITULO 2. INICIOS
Figura 2.1: Gerolamo Cardano.

porque el n
umero de combinaciones que dan el triunfo a cada jugador sea el
mismo. Cardano observa esto y lo denomina igualdad. Con base en dicho
termino analizaremos dos propuestas que presenta en su obra.
Propuesta 1: La igualdad se encontrara si lanzamos un dado y tratamos
de obtener un n
umero impar o un n
umero par.
Sabemos que un dado tiene seis lados o caras. Cada lado esta marcado con
uno de los seis primeros n
umeros naturales 1, 2, 3, 4, 5 o 6. La mitad de
los n
umeros son pares y la otra mitad impares, por lo anterior resulta logico
pensar que, si el dado no esta cargado para ninguna de sus caras, la igualdad
que plantea Cardano es cierta, es decir, existe la misma posibilidad de obtener
un n
umero impar o uno par.
Propuesta 2: Si lanzamos tres veces un dado tendremos la igualdad si nuestro objetivo es obtener un n
umero en particular. Por ejemplo, si queremos
obtener un 2 y tenemos tres oportunidades para lanzar el dado, estaremos
en una igualdad de posibilidades respecto a que obtengamos el 2 o no lo
hagamos.
Como podemos confirmar la certeza o falsedad de la afirmacion anterior?
Cardano hace esta afirmacion en el captulo noveno, llamado Del lanzamiento
de un dado, y hace el siguiente razonamiento.
CAPITULO 2. INICIOS
[. . .] la igualdad se encuentra siempre en la mitad de los n

umeros,
y as un punto sale con tres tiradas pues en seis se completa la
revolucion [. . .]
Parece logico pensar que al lanzar tres veces un dado obtendremos la igualdad,
sin embargo, si quisieramos defender esta propuesta que podemos argumentar? Supongamos que al lanzar el dado tres veces se obtienen tres n
umeros
diferentes, que es la mitad del total, en estos puede estar o no el n
umero deseado. Como tenemos la mitad de los n
umeros, podemos decir que se tiene la
igualdad. Claro esta que no siempre al lanzar un dado tres veces se obtienen
tres n
umeros diferentes. Por lo cual, todo el argumento anterior es falso y,
al parecer, la propuesta tambien.
En captulos subsecuentes de su libro, Cardano corrige sus disertaciones con
respecto al lanzamiento de los dados y los resultados cambian. Ya no toma
como eje de comparacion la igualdad, sino que hace ver que algunos eventos
pueden ocurrir con mas frecuencia que otros. Debido a lo extenso del procedimiento para mostrar lo anterior, dejaremos a Cardano para desplazarnos
un poco en el tiempo y llegar al siglo XVII.
2.2
Galileo Galilei
Alrededor de 1615, otro importante cientfico estudiaba ya los posibles resultados al lanzar los dados. Se trataba de un matematico, fsico y astronomo,
nacido en Pisa, Italia, que llevaba por nombre Galileo Galilei (1564-1642).
Galileo mostro de una forma mas clara que Cardano, los posibles resultados
de lanzar uno, dos y tres dados. Y, al igual que Cardano, no propone o enuncia ning
un concepto de probabilidad (de hecho, este termino no se utiliza en
su obra).
Los estudios de Galileo referentes al azar se enfocan a los juegos, en particular en aquellos donde se emplean dados. Al lanzar los dados, se apuesta a
poder obtener cierta combinacion con dos o mas dados; por ejemplo, podemos apostar que obtendremos un 5 y un 6 al lanzar dos dados. De esta forma
apostaban algunas personas en la epoca de Galileo, y fue por eso que el estudio las posibilidades de estas combinaciones. Para hacerlo, simplemente se
CAPITULO 2. INICIOS
Figura 2.2: Galileo Galilei(1564-1642).

apoyo en contabilizar los casos con que se obtena cierta combinacion y los
comparo con el total de casos. Con ello, Galileo comienza a buscar formas o
tecnicas para el conteo de todos lo posibles casos resultantes de lanzar uno,
dos o tres dados.
Para poder contar los posibles casos resultantes del lanzamiento de un dado
no se necesita mucho esfuerzo, son seis: 1, 2, 3, 4, 5, 6. Pero, contar los
casos posibles al lanzar dos dados, simultaneamente o uno despues de otro,
representa una tarea ligeramente mas compleja. Los casos posibles son 36, y
el mismo Galileo explica por que.
[. . .] pero si nosotros arrojamos el segundo dado, que tambien
tiene otras seis caras, junto con el primero, podemos hacer 36
tiradas diferentes entre s puesto que cada una del primer dado
puede emparejarse con cualquiera del segundo [. . .]1
Para ejemplificar, supongamos que lanzamos los dos dados. En el primero
obtenemos un 2. El segundo puede mostrar cualquiera de sus seis caras originando alguna de las siguientes combinaciones, escritas en parentesis como:
(2,1) (2,2) (2,3) (2,4) (2,5) (2,6).
1
Sopra le scoperte dei dadi(Sobre las tiradas de dados)[3].
CAPITULO 2. INICIOS
10
El resultado anterior es valido cuando obtenemos el 2 en el primer dado y decimos el primer dado solo para distinguirlos-, pero, como podemos
obtener cualquiera de los 6 n
umeros en ese primer dado, entonces el total
de casos posibles es
(1,1)
(2,1)
(3,1)
(4,1)
(5,1)
(6,1)
(1,2)
(2,2)
(3,2)
(4,2)
(5,2)
(6,2)
(1,3)
(2,3)
(3,3)
(4,3)
(5,3)
(6,3)
(1,4)
(2,4)
(3,4)
(4,4)
(5,4)
(6,4)
(1,5)
(2,5)
(3,5)
(4,5)
(5,5)
(6,5)
(1,6)
(2,6)
(3,6)
(4,6)
(5,6)
(6,6)
Por lo anterior, sabemos que al lanzar dos dados los posibles resultados son
36. Y que sucede si lanzamos tres dados? Veamos que dice Galileo:
[. . . ]y si a
nadimos un tercer dado, como cada una de sus 6 caras
se pueden emparejar con una de las 36 tiradas de los otros dos
dados, tendremos que las tiradas de tres dados seran 6 veces 36,
es decir 216, todas diferentes entre s[. . . ][3]
Uno de los juegos de azar en los que se utilizaban los dados consista en
lanzar dos dados y obtener una suma determinada, por ejemplo un 7, que es
resultado de obtener un 5 y un 2, o un 4 y un 3. Los apostadores pensaban
que algunos n
umeros eran mas faciles de obtener que otros, pero no saban
por que. Galileo mostro con tres dados y de una manera clara la causa de
este fenomeno numerico. Nosotros usaremos solo dos dados para hacer mas
simple la explicacion.
Las posibles sumas al lanzar dos dados son: 2, 3, 4, 5, 6, 7, 8, 9, 10, 11,
12. Si alguien nos propusiera apostar a un n
umero resultado de la suma de
los dados, cual elegiramos? Muchos incautos perdieron todo su dinero por
no saber que no todos las sumas tienen las mismas posibilidades de ocurrir.
Para no acabar como alguno de ellos, veamos que hizo Galileo.
En la siguiente tabla, en la primera y tercera columna, describimos todos los
posibles resultados de lanzar los dados. En las columnas segunda y cuarta
estan las sumas para cada uno de los casos.
CAPITULO 2. INICIOS
11
Resultado
al lanzar
los dados
(1,1)
(1,2)
(1,3)
(1,4)
(1,5)
(1,6)
(2,1)
(2,2)
(2,3)
(2,4)
(2,5)
(2,6)
(3,1)
(3,2)
(3,3)
(3,4)
(3,5)
(3,6)
Suma
2
3
4
5
6
7
3
4
5
6
7
8
4
5
6
7
8
9
Resultado
al lanzar
los dados
(4,1)
(4,2)
(4,3)
(4,4)
(4,5)
(4,6)
(5,1)
(5,2)
(5,3)
(5,4)
(5,5)
(5,6)
(6,1)
(6,2)
(6,3)
(6,4)
(6,5)
(6,6)
Suma
5
6
7
8
9
10
6
7
8
9
10
11
7
8
9
10
11
12
Para obtener por suma un 2 necesariamente debemos conseguir un doble uno

al lanzar los dados, pero para otras casos existen mas combinaciones. Veamos
cuantas combinaciones producen cada una de las sumas en la siguiente tabla.
Suma
N
umero de
combinaciones
3 4
5 6 7
8 9
10 11 12
2 3
4 5 6
5 4
As, podemos confirmar que hay sumas que son mas faciles de obtener que
otras. Las mas difciles de obtener son 2 y 12, pues solo hay una combinacion
que produce a cada una de ellas. La suma mas sencilla de obtener es 7, pues
es resultado de seis combinaciones.
Ejemplo 1 Supongamos que estamos en una mesa de juego de alg
un lujoso
castillo del siglo XVII. En esta mesa se encuentra un caballero elegante que
CAPITULO 2. INICIOS
12
nos propone una apuesta. La apuesta consiste en que el puede obtener como
suma, al lanzar dos dados, un n
umero mayor o igual que 7; de conseguirlo,
nosotros le daremos 5 monedas, de lo contrario el tendr
a que pagarnos dicha
cantidad.
Utilizando las tablas anteriores, podemos ver que al aceptar la apuesta tendriamos desventaja, pues de las 36 posibles combinaciones de puntos, 21
suman un n
umero mayor o igual que 7; mientras que solo 15 suman lo contrario. Por lo tanto la suerte no estara de nuestro lado y no sera una
buena idea aceptar la apuesta del astuto caballero.
Dejemos a Galileo, de quien debemos recordar, entre otras cosas, que logro
contar los posibles resultados de lanzar los dados y hacer comparaciones entre
diferentes combinaciones o eventos.
2.3
Correspondencia
Durante el siglo XVII algunas personas dedicadas a las matematicas intercambiaban sus ideas y descubrimientos por correspondencia. Entre los personajes que utilizaban este medio para difundir su pensamiento encontramos
a Pierre de Fermat (1601-1665) y Blaise Pascal (1623-1662).
Estos dos grandes genios de su epoca lograron resolver un problema relacionado con los juegos de azar conocido como el problema de la division.
Este problema trata de lo siguiente: dos personas, que llamaremos A y B,
apuestan 30 monedas en un juego donde el ganador sera el primero que logre
vencer en 10 partidas. Sin embargo, un evento inesperado provoca que los
jugadores tengan que cancelar el juego. Hasta ese momento A tena ganadas
9 partida, y B solo 7. Como debe entonces repartirse el dinero si no se
concluyo el juego?
El problema de la division era conocido antes de que nacieran Pascal y Fermat, sin embargo, nadie lo haba podido resolver. En el siglo XVI Giobattista Francesco Peverone propuso una solucion. Textualmente la propuesta
de Peverone es la siguiente:
CAPITULO 2. INICIOS
13
Figura 2.3: Pierre de Fermat (1601-1665).

[. . . ] al que ha ganado siete le faltan tres, igualmente al que ha
ganado nueve de diez le falta uno, la progresion de tres es seis, la
de uno es uno; por lo tanto, dividiendo el deposito en siete partes,
seis le tocan al segundo y una parte al primero [. . . ]2
La solucion anterior es falsa pero muy proxima a la correcta. Un peque
no
error fue lo que hizo que Peverone no haya pasado a la historia como el que
lograra encontrar la solucion al problema de la division. Para ver cual es la
respuesta correcta hagamos uso de lo escrito por Fermat.
La propuesta de Fermat consiste en contar todas las posibles combinaciones
de resultados que se pueden dar entre los dos jugadores en caso de seguir con
las partidas, contar en cuantas ganara A y en cuantas B y, basados en esto,
calcular una proporcion. Supongamos el caso donde son diez las partidas
a ganar, A tiene ganadas nueve mientras que B solo siete. Por ejemplo,
una posible solucion es que A gane la siguiente partida y finalice el juego,
pues llegara a diez partidas ganadas, o que B gane una partida y luego A y
2
De la obra de Peverone intitulada Dos breves y f

aciles tratados, el uno de aritmetica,
el otro de geometra, en los que estan contenidas algunas cosas nuevas, divertidas y u
tiles,
tanto para gentilhombres como para artesanos.[3]
CAPITULO 2. INICIOS
14
finalice el juego. No es difcil ver que con un maximo de tres partidas jugadas
tendremos un ganador. En la siguiente tabla se muestran todos resultados
posibles de las partidas, si se contin
ua con el juego.
Primera partida
Segunda partida
Tercera partida
Ganador
a
a
a
A
a
a
b
A
a a
b b
a b
A A
b
a
a
A
b
a
b
A
b b
b b
a b
A B
Se representa con una a el hecho de que A gano la partida y con b que

la partida fue ganada por B. Como podemos ver, del total de posibilidades
en 7 ocasiones A gana el juego, por lo tanto el dinero de la apuesta debera
repartirse en una proporcion de 7 a 1. Es decir, como son 8 los posibles
caminos que podra seguir el juego, y en 7 de ellos gana A, lo justo sera
repartir la apuesta en 8 partes iguales y darle 7 de estas a A y el resto a B.
La solucion anterior fue muy discutida por Pascal, quien argumentaba, en una
de las cartas que escribe a Fermat, que no todas las posibles combinaciones
eran reales, por ejemplo, la combinacion a, a, b no tiene sentido real puesto
que si A gana una partida inmediatamente finaliza el juego, y no tiene sentido
ver quien gana las dos siguientes. Ademas propone como ejemplo, para
demostrar que el metodo de Fermat no es correcto, el caso de tres jugadores,
A, B y C. En su ejemplo, A necesita una partida para ganar, mientras que B
y C necesitan dos, respectivamente. Pascal, siguiendo el metodo de Fermat,
dice que la solucion sera la que se muestra en la siguiente tabla.
CAPITULO 2. INICIOS
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
Primera
partida
a
a
a
a
a
a
a
a
b
b
b
b
b
b
b
b
b
b
c
c
c
c
c
c
c
c
c
15
Segunda
partida
a
a
a
b
b
b
c
c
c
a
a
a
b
b
b
c
c
c
a
a
a
b
b
b
c
c
c
Tercera
partida
a
b
c
a
b
c
a
b
c
a
b
c
a
b
c
a
b
c
a
b
c
a
b
c
a
b
c
A
A
A
A
A
A
A
A
A
A
A
A
A
C
B
B
B
B
A
B
C
A
A
A
A
C
B
C
C
C
C
Las combinaciones posibles son 27. Pascal, seg

un la tabla anterior, da 19
combinaciones con triunfo para A, 7 para B y 7 para C. Con este razonamiento, Pascal escribe lo siguiente:
CAPITULO 2. INICIOS
16
Figura 2.4: Blaise Pascal (1623-1662).

[. . . ] si de aqu se concluyera que hay que dar a cada uno seg
un
la proporcion 19, 7, 7, se cometera un error demasiado grosero,
[. . . ]3
Pascal observa que una misma combinacion da el triunfo a dos personas, por
ejemplo la combinacion a, c, c, en la que A obtiene la partida que le hace
ganar y C obtiene las dos partidas que igualmente lo hacen ganar. De esta
forma, Pascal afirma que esa combinacion debe ser dividida entre los dos, es
decir, un medio para A y un medio para B. Al hacer la suma de esa manera
llega a la conclusion de que la reparticion debe ser con una proporcion de 16
de 27 para A y 5.5 de 27 para cada uno de los dos restantes. Pero no nos
adelantemos a los hechos pues este tampoco es el resultado correcto.
Hoy en da, algunos estudiosos del tema opinan que tal vez Pascal no entenda el procedimiento de Fermat y es por eso que argumentaba en contra
de dicha solucion, pues tena otra forma de llegar al resultado correcto (que
dicho sea de paso, no expone en la carta, quizas debido al resentimiento que
senta al verse superado en su propia area por alguien que ni siquiera era
un matematico de formacion, pues cabe mencionar que Fermat no estudio
matematicas sino leyes, pero era tan grande su capacidad para los calculos
3
Carta de Pascal a Fermat, lunes, 24 de agosto de 1654.[3]
CAPITULO 2. INICIOS
17
matematicos que algunos le consideraban uno de los mas grandes genios del
siglo XVII).
Como es de suponer, Fermat defiende su metodo y responde a Pascal lo
siguiente:
[. . . ] no encuentro mas que 17 combinaciones para el primero
y 5 para cada uno de los otros dos; pues cuando dice Vd. que
la combinacion acc es buena para el primero y para el tercero,
parece no recordar que todo lo que se hace despues de que uno
de los jugadores ha ganado, ya no sirve para nada. Puesto que
esta combinacion ha hecho ganar al primero desde la primera
partida, que importa que el tercero gane dos a continuacion ya
que, aunque ganase treinta, todo eso sera superfluo? [. . . ]4
Ademas, Fermat argumentaba que el hecho de escribir las combinaciones de
las tres partidas solo es para facilitar el conteo de las posibilidades.
La respuesta que da Fermat, que es 17 de 27 para el jugador A, y 5 de 27
para cada uno de B y C, es la correcta. Pascal tambien haba obtenido dicha
solucion, pero con otro metodo.
Para terminar, cabe aclarar que, como lo menciona Fermat, su metodo sirve
para contabilizar de una forma sencilla todas las posibilidades que pueden
darse en el problema de la division, pero si pretendemos ser rigurosos, como lo
hizo Pascal, podemos advertir el defecto de encontrarnos con combinaciones
que no tienen sentido en la realidad, pero si se estipulan las condiciones
necesarias, que ya hemos visto, el metodo es sencillo y claro.
En captulos siguientes resolveremos el problema de la division de una forma
mas simple.
Fermat a Pascal, viernes 25 de septiembre de 1654.[3]
Captulo 3
Combinatoria
Al enfrentar el problema de saber por que algunos eventos suceden con mayor
o menor frecuencia, se observa una actitud recurrente, la de contar. Cardano,
Pascal, Fermat, Galileo, todos coincidieron en ello.
Contar, de la forma en que lo hicieron Pascal y Fermat, se convirtio en algo
innovador y u
til, a tal grado que surgio una nueva rama de las matematicas,
la combinatoria, que es un conjunto de tecnicas enfocadas a los problemas
sobre saber contar las distintas combinaciones que, sometidas a unas u otras
condiciones, se pueden formar con objetos dados.
Es por lo anterior que este captulo lo destinaremos para aprender algunas
de las formulas que se utilizan para contar.
3.1
Regla de la multiplicaci
on
Por que contar una por una las casillas del tablero de ajedrez, si contando las
casillas que hay horizontal y verticalmente, y multiplicando estos n
umeros,
obtenemos el n
umero total de casillas?
En efecto, multiplicando el n
umero de casillas horizontales del tablero de
ajedrez, por el n
umero casillas verticales, 8 8 = 64, obtenemos el mismo
resultado que si contamos cada una de las casillas.
18
CAPITULO 3. COMBINATORIA
19
La multiplicacion es el primer recurso que usamos para contar de una forma

mas simple, o rapida. Ademas es el principio fundamental de la combinatoria,
y se conoce como la regla de la multiplicaci
on.
Regla de la multiplicaci
on. Esta regla establece que, al realizar una tarea
A con n posibles resultados distintos y despues una tarea B que puede tener
m resultados diferentes, los posibles resultados de realizar ambas tareas en
el orden indicado son n m.
La palabra tarea, que utilizamos para enunciar la regla de la multiplicacion,
puede sustituirse por otras como experimento, o cualquier otra que se
adapte a la situacion.
Ejemplo 2 Cuales son los posibles resultados al lanzar un dado y una moneda?
Solucion. Parece que despues de leer lo que hizo Galileo esta pregunta resulta
un tanto sencilla, pero obtendremos la respuesta para ejercitar el uso de la
regla de la multiplicacion. Supongamos que la tarea A consiste en lanzar el
dado y la tarea B en lanzar la moneda. De A se pueden obtener 6 resultados,
mientras que de B solo 2, entonces 62 = 12 es el total de resultados posibles
al realizar la tarea A y B.

Tenemos muchas formas de representar los posibles resultados al realizar una
o varias tarea. Por ejemplo, mediante el empleo de parentesis. Los parentesis
se utilizan para encerrar o asociar las tareas que deseamos representar. Abrimos los parentesis y escribimos los resultados de las tareas separandolos mediante comas. Utilizando parentesis, los resultados de las tareas A y B se
representan de la siguiente forma:
(1,
(2,
(3,
(4,
(5,
(6,
aguila),
aguila),
aguila),
aguila),
aguila),
aguila),
(1,
(2,
(3,
(4,
(5,
(6,
sol),
sol),
sol),
sol),
sol),
sol).
20
Otra forma de representar los posibles resultados es el diagrama de arbol

(figura 2.1).
Figura 3.1: Diagrama de arbol

Usaremos la palabra arreglo para referirnos a cada uno de los posibles resultados que se pueden obtener al realizar una o varias tareas, y los representaremos como fue descrito anteriormente.
3.2
T
ecnicas de conteo
A continuacion veremos algunos problemas de conteo, daremos una solucion

a cada problema utilizando la regla de la multiplicacion y, a partir de las
soluciones, expondremos algunas formulas que nos seran muy u
tiles.
Una urna contiene cuatro bolas numeradas del 1 al 4. Extraemos al azar dos
bolas, una por una. Notemos que el orden importa. Al extraer la primera
bola registramos el n
umero de esta y la devolvemos a la urna, as podra ser
contemplada como un posible resultado de la segunda extraccion Cuales son
21
todos los posibles resultados al realizar este experimento? Podemos representar los resultados con arreglos de tama
no dos. Cada uno de los lugares
del arreglo puede tomar 1 de 4 valores, 1, 2, 3 o 4, utilizando la regla de
la multiplicacion sabemos que son 16 los posibles resultados. Los podemos
representar como sigue
(1, 1)
(2, 1)
(3, 1)
(4, 1)
(1, 2)
(2, 2)
(3, 2)
(4, 2)
(1, 3)
(2, 3)
(3, 3)
(4, 3)
(1, 4)
(2, 4)
(3, 4)
(4, 4).
Si en un arreglo de tama
no k, cada uno de los k lugares del arreglo toma uno
de n valores, sin importar que alg
un valor aparezca mas de una vez, e incluso
con la posibilidad de repetirse en los k lugares, entonces se esta hablando de
arreglos con repeticion.
Arreglos con repetici
on. El n
umero de arreglos con repeticion de tama
no
k, donde cada lugar del arreglo puede tomar uno de n valores, es k n
Los siguientes son algunos ejemplos de problemas de conteo que podemos
solucionar usando los arreglos con repeticion:
1. Cuales son los posibles resultados de lanzar un dado tres veces. Solucion.
Necesitamos tres lugares para representar el resultado de cada uno de
los tres dados, es decir, k = 3. Son seis los posibles resultados del dado,
22
entonces n = 6: El total de posibles resultados al lanzar tres dados es

63 = 216.
2. Cuales son los posibles resultados al lanzar 5 veces una moneda.
Solucion. Para este caso k = 5 y n = 6, el resultado es 25 = 32.
Regresemos al problema de la urna y modifiquemoslo un poco. En lugar de
devolver la bola en la primera extraccion, la dejaremos fuera de la urna para
que ya no pueda ser un posible resultado de la segunda extraccion. Cuantos
son los posibles resultados o arreglos bajo esta consideracion?
De nuevo tenemos arreglos de tama
no dos. En el primer lugar del arreglo
anotamos el resultado de la primera extraccion, este lugar puede tomar uno
de cuatro valores. En la segunda extraccion, cuyo resultado anotamos en el
segundo lugar del arreglo, solo podemos obtener tres valores, pues solo hay
tres bolas en la urna. Por lo tanto, el n
umero de arreglos en este caso es 12.
(1,
///
1)
(2, 1)
(3, 1)
(4, 1)
(1, 2)
(2,
///
2)
(3, 2)
(4, 2)
(1, 3)
(2, 3)
(3,
///
3)
(4, 3)
(1, 4)
(2, 4)
(3, 4)
(4,
///
4)
Si en un arreglo de tama
no k, el primer lugar puede tomar uno de n valores,
y el segundo puede tomar uno de n - 1 valores, excluyendo el valor que ya
fue asignado al lugar uno, y as sucesivamente hasta el lugar k que puede
tomar uno de n - (k - 1) valores exceptuando los k - 1 valores ya asignados
a los anteriores k - 1 lugares, entonces estaremos hablando de arreglos sin
repeticion.
Arreglos sin repetici
on. El n
umero de arreglos de tama
no k sin repeticion,
tomados de un conjunto de n valores es: n(n1)(n2) [n(k1)].
Los siguientes son algunos problemas de conteo que podemos solucionar
usando los arreglos sin repeticion:
1. Seleccionar al presidente y vicepresidente de un club de entre 10 personas. Solucion 10 9.
23
2. Cuantas banderas tricolores se pueden formar si se dispone de cuatro

colores? Solucion 4 3 2.
Si en los arreglos sin repeticion k es igual a n, tenemos un caso particular
que se conoce como Permutaciones. La formula para las permutaciones es
n (n 1) (n 2) 2 1, lo cual se suele denotar con n!, y se lee n
f actorial. Entonces n! es el total de formas, pensando en el orden, en que
se pueden colocar n objetos.
1. Cual es el total de formas en que se pueden asignar tres tareas diferentes
a tres obreros? Solucion 3! = 3 2 1 = 6.
2. El n
umero de permutaciones de cuatro letras diferentes. Soluci
on 4! =
4 3 2 1 = 24.
Nuevamente modifiquemos el problema de la urna para mostrar otra situacion.
Hagamos dos extracciones sin reposicion. El orden de las extracciones no es
importante. Puede ser que extraigamos las dos bolas al mismo tiempo. El
orden en que registramos los resultados de cada extraccion tampoco es importante. Cuantos son los posibles resultados de este experimento?
En el caso de los arreglos sin repeticion obtuvimos 12 posibilidades, notemos
que en estos hay elementos como (1,2) y (2,1) que son distintos por el orden,
pero ahora ya no importa el orden, por lo que de los 12 arreglos sin repeticion
solo nos interesan 6.
(1,
///
1)
(2,
///
1)
(3,
///
1)
(4,
///
1)
(1, 2)
(2,
///
2)
(3,
///
2)
(4,
///
2)
(1, 3)
(2, 3)
(3,
///
3)
(4,
///
3)
(1, 4)
(2, 4)
(3, 4)
(4,
///
4)
Los resultados de problemas de este tipo, donde no hay reposici

on y no
importa el orden, se conocen como combinaciones.
Si deseamos obtener una formula para calcular el n
umero de combinaciones
debemos observar que estas tienen una relacion con los arreglos sin repeticion,
por cada combinacion de tama
no k existen k! arreglos sin repeticion. Es
24
decir, el n
umero de combinaciones se obtiene dividiendo el n
umero de arreglos
sin repeticion entre el n
umero de arreglos que se forman con los k elementos.
n(n 1)(n 2) [n (k 1)]
.
k!
Combinaciones. El n
umero de combinaciones de tama
no k tomadas de un
grupo de n objetos distintos es
Ckn

n!
n(n 1)(n 2) [n (k 1)] (n k)!
=
.
=
(k!)
(n k)!
(n k)!k!
Cuando establecimos las diferentes situaciones para extraer las dos bolas
de la urna, fijamos nuestra atencion en dos circunstancias especialmente;
considerar el orden en que se extraan las bolas, y si haba o no reposicion.
En base a estas dos circunstancias, podemos dividir algunos de los problemas
de conteo en uno de cuatro grupos. En la siguiente tabla se pueden distinguir
los cuatro grupos, ademas, se presentan las formulas que pueden utilizarse
cuando de un grupo de n elementos se toman k.
Sin reposici
on
Ckn =
Sin orden
Con orden
n!
(nk)!k!
n(n 1)(n 2) [n (k 1)]
Con reposici
on
n+k1
Ck1
=
(n+k1)!
n!(k1)!
kn
En el caso de que haya reposicion y no importe el orden al extraer las bolas

de la urna, la formula que se presenta sera explicada en el ejemplo 12.
3.3
Ejemplos
Ejemplo 3 De cuantas maneras se pueden sentar 5 personas en una mesa

redonda con 5 asientos?
25
Solucion. En este problema nos interesa la posicion de las personas respecto

a las demas. Elijamos un lugar de los 5 y asignemoslo a algunas de las
personas. Ahora, a la derecha de esta persona podemos sentar a cualquiera
de las 4 restantes, y luego a la derecha de esta u
ltima persona podemos sentar
a una de las tres restantes, as hasta que asignemos un lugar a cada una de
las personas. En total tenemos 4! formas de sentar a 5 personas en un mesa
redonda con 5 asientos.

Ejemplo 4 Un grupo de 15 soldados, al que llamaremos grupo beta, har
a un
entrenamiento para combate cuerpo a cuerpo. Se efectuar
an enfrentamientos
entre dos personas. Si cada uno de los 15 soldados debe enfrentarse con los
14 restantes, cuantos combates se deben realizar?
Solucion. Para cada combate debemos elegir a 2 de los 15 soldados. En

cada combate un soldado no se puede enfrentar a el mismo, as que estamos
en una situacion donde no hay reposicion. Ademas, no importa el orden en
que se seleccionan a los dos soldados para el enfrentamiento. Como tenemos
las condiciones de que no hay reposicion y el orden no importa, entonces el
n
umero de posibles enfrentamientos es igual a las combinaciones de tama
no
2 tomadas de un conjunto de tama
no 15, es decir,
C215 =
15!
= 105.
(15 2)!(2!)
Ejemplo 5 En una de tantas misiones secretas del grupo beta, los 15 soldados deben separarse en dos equipos, uno con 5 soldados y el otro con 10.
De cuantas formas se pueden hacer los equipos?
26
Solucion. Observemos que basta con formar un equipo, el otro se formara

automaticamente con los soldados restantes. Pensemos en el equipo de 10
integrantes. La situacion es como la de una urna con 15 bolas, de la cual
sacaremos 10 bolas, sin reposicion, pues un soldado no puede ser asignado
dos veces, y no importa el orden. Es decir, el n
umero de equipos que se
pueden formar es igual a las combinaciones de tama
no 10 tomadas de un
conjunto de 15 objetos.
15
C10
=
15!
= 3, 003.
(15 10)!(10!)
Son 3,003 las formas en que se pueden formar los equipos. Verifiquemos que
el resultado es el mismo si en lugar de ocuparnos en formar el equipo de 10
soldados elegimos el de 5.
C515 =
15!
= 3, 003.
(15 5)!(5!)
Por lo anterior, y como se muestra a continuacion, sabemos que

Ckn =
n!
n!
n
=
= Cnk
.
(n k)!(k!)
[n (n k)]!(n k!)
Ejemplo 6 En efecto, el grupo beta se dividi

o en dos equipos. Al equipo de
5 soldados le corresponde recuperar las joyas de la Reina, que est
an en una
boveda secreta. Un soplon les inform
o que para abrir la b
oveda deben teclear
un codigo de acceso que consta de 5 letras (h, z, r, i, a), estas letras deben
forman el nombre de una moneda de 20 centavos que circulaba en Buenos
Aires alrededor de 1929, lo anterior es seg
un un cuento del escritor Jorge
Luis Borges1. Como los soldados no saben de que moneda es, y no han ledo
El Aleph, es probable que tengan que hacer muchos intentos antes de poder
abrir la boveda Cual es el n
umero m
aximo de intentos que podran hacer?
1
Poeta, cuentista y ensayista, nacido en Buenos Aires, Argentina, en el a

no de 1899.
27
Solucion. Para elegir la primera letra tenemos 5 opciones, para la segunda

4, para la tercera 3, para la cuarta 2 y para la quinta una. El n
umero de
intentos que pueden realizar es igual al n
umero de arreglos sin repeticion
de tama
no 5 tomados de un conjunto de 5 elementos, o permutaciones de
tama
no 5.
5! = 5 4 3 2 1 = 120.
Por lo tanto, los soldados pueden hacer hasta 120 intentos para abrir la
boveda. Por cierto, la moneda a la cual se hace referencia en el ejemplo
anterior, seg
un un cuento de Jorge Luis Borges, se conoca con el nombre de
Zahir.

Ejemplo 7 Al segundo equipo le fue asignada la misi
on de capturar a Juan,
conocido contrabandista de joyas, que se presume est
a disfrutando de unas
vacaciones en las Vegas. Los soldados se encuentran en un casino mientras
esperan noticias. Para no fastidiarse con la espera los soldados observan
como la gente juega al cubilete, y uno de ellos se pregunta: Cu
antos son
todos los posibles resultados de una tirada de los dados en el cubilete?
Solucion. En el cubilete se lanzan 5 dados y se observan las figuras que muestran las caras que quedan hacia arriba. Podemos responder a la pregunta del
soldado haciendo uso de los arreglos. Debido a que son 5 dados necesitamos
arreglos de tama
no 5 (suponemos que los dados son distinguibles). Sabemos
que cada dado tiene 6 caras, por lo tanto cada uno de los lugares del arreglo
puede tomar 1 de 6 valores. El n
umero total de posibles resultados de lanzar
los dados es 6 6 6 6 6 = 7, 776.

Al ver que no hay noticias de Juan, los soldados se disponen a divertirse.
Elsa, que es una bella mujer soldado de este equipo, quiere aprender a jugar
poker, y gracias a su belleza no faltaran los caballeros dispuestos a mostrarle
como funciona el juego. . . ya se acerca uno de ellos. Despues de los clasicos
dialogos, el caballero, que dice llamarse G. Hamon, explica a Elsa lo siguiente:
La baraja de poker contiene 52 cartas, cada carta tiene dos particularidades,
28
que estan marcadas con uno de los 13 smbolos siguientes: A, 2, 3, 4, 5, 6,

7, 8, 9, 10, J, Q y R (tambien se les suele llamar n
umeros). La segunda particularidad es pertenecer a uno los siguientes cuatro grupos o palos: espadas
(), treboles (), corazones () o diamantes ().
Cuando se juega al poker se reparten un conjunto de cinco cartas que suele
llamarse una mano de poker. De esta se puede formar:
1. Par, cuando se tienen dos cartas con el mismo n
umero.
2. Tercia, tres cartas del mismo n
umero.
3. P
oker, cuatro cartas del mismo n
umero.
4. Full, una tercia y un par.
5. Flor, las cinco cartas del mismo palo.
6. Corrida, es cuando los cinco n
umeros son sucesivos, el as (A), funciona
como 1 o 14.
Elsa le pregunta a Hamon cu
al es la mano de p
oker que m
as valor tiene?.
Este responde que la importancia de cada mano depende del n

umero de
posibilidades en las que se obtiene dicha mano. Hamon le muestra a Elsa
como puede calcular el n
umero de posibilidades para los siguientes casos.
Ejemplo 8 Total de posibles manos de p
oker.
Solucion. Son 5 cartas las que componen una mano de poker, que tomamos
al azar de un mazo de 52. El orden en que las obtenemos no importa, y
claramente no hay reposicion. Entonces, el n
umero total de posibles manos
lo podemos obtener mediante combinaciones.
C552 = 2, 598, 960.
29
Ejemplo 9 Obtener poker.

Solucion. Podemos tener poker de unos, de doces, de treces, etc. En total
son trece tipos diferentes. La quinta carta puede ser cualquiera de las 48
restantes. El n
umero de formas de obtener poker es 13 48 = 624.

Ejemplo 10 Obtener full.
Solucion. El full se forma de una tercia y un par. La tercia la podemos
tener de 13 n
umeros diferentes. Por cada n
umero podemos tener C34 tercias
diferentes. En total son 13 C34 tercias diferentes. Para el par ya solo
podemos elegir un n
umero de entre 12. Ya elegido el n
umero, el par se puede
4
formar de C2 posibilidades, por lo tanto el n
umero de posibles formas de
4
4
obtener full es 13 C3 12 C2 = 3, 744.
Para saber que sucede con los demas casos se pide al lector que realice los
calculos correspondientes.

Ejemplo 11 En un salon de clase hay 48 alumnos. De estos, 23 aprobaron
matematicas, 35 ingles y 19 ambos cursos. Cu
antos alumnos del sal
on no
aprobaron ni matematicas ni ingles?
Solucion. La idea para resolver este problema es separar a los alumnos en
grupos, uno donde esten los que solo aprobaron matematicas, otro donde
esten los que solo hayan aprobado ingles, otro donde esten los que aprobaron ambas materias, y un u
ltimo donde esten los que no aprobaron ni
matematicas ni ingles.
Si hay 35 alumnos que aprobaron ingles y 19 que aprobaron ambas materias,
entonces hay 16 que solo aprobaron ingles (35 19 = 16). Si hay 23 que
aprobaron matematicas y 19 de ellos aprobaron ambas materias, entonces
hay 4 que solo aprobaron matematicas, (23 19 = 4).
Hemos formado tres grupos: los que solo aprobaron ingles, que son 16, los que
solo aprobaron matematicas, que son 4, y los que aprobaron ambas materias
30
que son 19. Para saber cuantos alumnos no aprobaron ni matematicas ni

ingles, sumamos 16 + 4 + 19 = 39, es decir, 39 alumnos aprobaron al menos
una materia y, por lo tanto, 9 de los estudiantes no aprobaron ni matematicas
ni ingles.

Ejemplo 12 La navidad lleg
o y los soldados se disponen a llenar de adornos
piensa pintar cada
la base militar. Un soldado tiene 5 esferas identicas. El
una de las esferas con alguno de siguientes colores: azul, rojo o verde. La
cantidad de cada color es suficiente para pintar las 5 esferas De cu
antas
formas diferentes se pueden pintar las esferas?
Solucion.
Para resolver este problema usaremos un metodo que consiste en el uso de

separadores (utilizaremos el smbolo para denotarlos). Debido a que las
esferas son indistinguibles, no interesara el color con que se pinte cada esfera,
lo importante sera la cantidad de esferas pintadas con cada color. Representemos a las 5 esferas usando estrellas, as tendremos: . El
31
primer color que usaremos es el azul. Si deseamos pintar 2 esferas de azul,

las pintamos y colocamos un separador para indicar que las siguientes esferas
no son azules, es decir, . De las tres esferas restantes pintemos una de rojo, y coloquemos otro separador despues de esta para indicar
que las siguientes esferas no son rojas, . Las dos u
ltimas
esferas tendran que ser verdes.
La idea es que las esferas que esten antes del primer separador sean las azules,
las que esten despues del primer separador y antes del segundo seran rojas,
y las que se encuentran despues del segundo separador seran verdes. En el
caso de que antes, entre o despues de los separadores no haya esferas, se
entendera que ninguna fue pintada con el color asignado a ese espacio. La
siguiente tabla contiene la lista de todas las formas de pintar las esferas.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
Azul
Rojo
Verde
Representaci
on

32
Si ya logramos entender como es que se usan los separadores, la pregunta

sera: de que sirve usar esta representacion? No siempre sera necesario
representar todos los resultados mediante los separadores. En esta ocasion
lo hicimos solo para poder entender la idea. Observemos que cada forma de
pintar las esferas se represento mediante siete smbolos, cinco y dos . Lo
interesante es la facilidad con la que podemos contar las representaciones,
solo debemos elegir los dos lugares donde pondremos los separadores. En
total tenemos siete lugares y tomaremos dos de estos, el n
umero de formas
en que podemos elegir estos dos lugares es igual a
C27 =
7!
= 21.
2!(5!)
En ocasiones posteriores, cuando usemos este metodo solo debemos saber el

n
umero de separadores que necesitamos y obtener las respectivas combinaciones.

Ejemplo 13 Cuantas son las soluciones enteras positivas para la siguiente
ecuacion?
X1 + X2 + + Xk = n.
Solucion. Tenemos que separar n unidades en k grupos. Las unidades son
indistinguibles entre s (), por lo tanto solo nos interesa el n
umero de
unidades en cada uno de los k grupos. Este es un problema similar al de las
esferas, pero para n esferas y k colores. Como son k colores necesitamos
k 1 separadores (). En total son n + k 1 smbolos, es decir, necesitamos
arreglos de tama
no n+k1, pero ya no hay que representarlos, pues sabemos
que basta con asignar lugar a los k1 separadores. El n
umero total de formas
en que se pueden separar las n unidades es
n+k1
Ck1
=
(n + k 1)!
(n + k 1)!
=
.
(n + k 1 (k 1))!(k 1)!
n!(k 1)!
33
Ejemplo 14 De cuantas maneras se pueden acomodar 6 personas en una

habitacion sencilla, una doble y una triple?
Solucion. Primero elijamos a las personas que han de ocupar la habitacion
doble. Debemos elegir a 2 personas de 6, no importa el orden y no hay
reposicion, por lo tanto el n
umero de formas de seleccionar a las 2 personas
6
es C2 . De las 4 personas restantes seleccionemos a las tres que ocuparan la
habitacion triple. El n
umero de formas de elegirlas es C34 . Finalmente la
persona restante sera asignada a la habitacion sencilla. El n
umero de formas
en que podemos asignar a las personas es
C26 C34 =
6!
= 60.
3! 2! 1!
En situaciones donde hay que dividir un conjunto de n objetos en r subconjuntos, con n1 elementos en el subconjunto uno, n2 elementos en el segundo
subconjunto, y as, sucesivamente, el n
umero de formas de repartirlos es
n!
,
n1 ! n2 ! nr !
donde n1 + n2 + + nr = n.

Ejemplo 15 Para una reuni
on, los 15 alumnos del sal
on deben seleccionar
a 5 de ellos para que los representen, este grupo debe estar compuesto por 3
mujeres y 2 hombres. De cu
antas formas se puede hacer este grupo? En el
grupo hay 7 mujeres y 8 hombres.
Solucion. Primero seleccionemos a las mujeres. El total de formas para
seleccionarlas es C37 formas. Luego para elegir a los hombres tenemos C28
formas. Aplicando la regla de la multiplicacion obtenemos el n
umero total
de formas para elegir al grupo de 5 personas, que es
C37 C28 = 980.
34
Ejemplo 16 Si en lugar de pedir que sean tres mujeres, pedimos que al

menos sean tres, Cuantos grupos de cinco integrantes se podr
an formar?
Para contestar a esta pregunta se presentan dos opciones.
Solucion. Opcion 1. Primero seleccionaremos a las tres mujeres de entre las
7. Las 4 mujeres que no fueron seleccionadas las unimos al grupo de los 8
hombres para formar un conjunto de 12 personas, de estas seleccionaremos
a las 2 que hacen falta para formar al grupo de 5. En la u
ltima seleccion
podran ser elegidos hombres o mujeres. El n
umero total de formas de elegir
al grupo es
C37 C212 = 2, 310.
Opcion 2. Contamos los grupos compuestos de exactamente 3, 4 y 5 mujeres
y luego los sumamos.
Si son exactamente 5 mujeres el n
umero de posibles grupos es C57 = 21.
Si son exactamente 4 mujeres el n
umero de posibles grupos es C47 C18 = 280.
Y cuando son exactamente tres mujeres el n
umero de posibles grupos es 980.
El n
umero total de formas en que se puede elegir el grupo con al menos 5
mujeres es
21 + 280 + 980 = 1, 281.
Cual es la opcion correcta? Por que?
Simulemos hacer la eleccion como se indica en la opcion uno. Para esto,
representemos a las 7 mujeres con las primeras siete letras may
usculas del
abecedario.
Al seleccionar a las 3 de 7 mujeres, supongamos que obtenemos a A, B y C.
Despues, con las 4 mujeres restantes y los 8 hombres se forma un nuevo grupo
de 12 personas. De este grupo se seleccionan a 2 personas. Supongamos que
obtenemos seleccionadas a D y E. Es decir, los representantes seran A, B,
C, D, y E.
35
Nuevamente pensemos en elegir a las 3 mujeres de entre las 7, solo que ahora
las seleccionadas son B, C, y D. En la segunda seleccion obtenemos A y E.
El grupo de representantes sera A, B, C, D y E.
As, pues, mostramos como se pueden seleccionar de dos formas a un mismo
grupo de representantes, con lo que deducimos que la opcion uno no es correcta. Tratemos de corregir la respuesta de la opcion uno. Dado que estamos
contando de mas, restemonos los casos necesarios, y veamos que resultado
obtenemos.
El grupo A, B, C, D, E, es considerado C35 veces, pues son las formas en que
pueden ser seleccionadas las tres representantes de las cinco en la primera
etapa. Pero no solo es este grupo de 5, sino que puede ser cualquiera de C57 .
En total hay C35 C57 = 210 casos que se toman en cuenta, de los cuales solo se
deben considerar a 21. Entonces del total que tenamos debemos restar 189.
Cuando son cuatro mujeres las que estan en el grupo de representantes,
tambien se estan contando casos de mas. Cada caso de estos se considera
C34 veces. Tenemos C47 posibles grupos de cuatro mujeres. Finalmente, cada
grupo de cuatro mujeres esta acompa
nado por un hombre, el cual puede ser
cualquiera de los 8. Es decir, como estos casos hay C47 C34 8 = 1120, y de estos
solo se deben considerar a 280. Es decir, que debemos restar 840 casos.
As, del resultado de la opcion uno restamos 189 y 840, y obtenemos
2310 840 189 = 1, 281,
que es el resultado de la opcion 2.

Ejemplo 17 El Obispo Wibold de Cambray, en el a
no 960, propuso un juego
de dados piadosos. En este juego se lanzaban tres dados, la combinacion
obtenida se asociaba a una virtud, y el jugador deba comportarse conforme
a esta virtud por un periodo de tiempo determinado. El Obispo Wibold de
Cambray tena una lista de 56 virtudes asociadas a los posibles resultados de
los dados, es decir, el supona que al lanzar tres dados los posibles resultados
seran 56. Con lo que hemos visto sabemos que al lanzar tres dados los
36
posibles resultados son 216. Por que habr

a hecho el obispo Wibold una lista
con 56 virtudes?
En un principio se podra pensar que el obispo no saba contar, pues el vivio
seis siglos antes de que surgiera la combinatoria, mas dicen que las personas
que gustaban de los juegos con dados saban muy bien contar, y entre 216 y
56 hay una gran diferencia, diferencia que nos obliga a buscar otra explicaion
para el posible error.
Pensemos que posiblemente el Obispo no tomo en cuenta el orden en que
caan los dados. Es decir, quizas el obispo Wibold de Cambray no haca
diferencia entre (1,1,2) y (1,2,1). Para confirmar esta suposicion, contemos
los casos que hay al lanzar tres dados, pero suponiendo que estos son indistinguibles.
Iniciemos nuestro conteo con los casos mas simples, cuando se obtiene tres
n
umeros iguales. Podemos obtener tres veces uno, tres veces dos, etc., es
claro que son 6 las posibilidades.
El siguiente caso es cuando obtenemos dos n
umeros iguales. Por ejemplo,
(1,1,2). Para los n
umeros iguales tenemos 6 opciones, y despues para el
tercer n
umero solo tendremos 5. En total son 6 5 = 30 las posibilidades.
Por u
ltimo, cuando obtenemos tres n
umeros diferentes. Aqu solo tenemos
que elegir 3 n
umeros de 6, no importa el orden, por lo tanto, el total de
posibilidades para este caso son C26 = 20.
Sumando lo que obtuvimos en los tres casos, 6 + 30 + 20 = 56, confirmamos
nuestra suposicion, el obispo Wibold de Cambray no tomo en cuenta el orden
en que caan los dados.
3.4
Ejercicios
Ejercicio 1 En una carrera de bicicletas, que va desde la ciudad A hasta la

B, se pueden tomar tres rutas. Al llegar a la ciudad B comienza la segunda
etapa, que va desde la ciudad B hasta la C. En la segunda etapa se puede
37
elegir una de cinco rutas Cuantas rutas puede tomar un competidor para
llegar desde la ciudad A hasta la C?
Respuesta. 15.
Ejercicio 2 PROGOL es un concurso donde el ganador es aquel que adivine
el resultado de 14 partidos de f
utbol. Los resultados pueden ser: triunfo para
el local, para el visitante o empate. Cu
antos son los posibles resultados que
se pueden dar en los 14 partidos?
Respuesta. 4,782,969.
Ejercicio 3 En una dulcera se ofrecen piezas de chocolate en cinco presentaciones: con cafe, amargo, blanco, con almendras, y con arroz inflado.
Cada pieza de chocolate tiene vale un peso. Un ni
no entra a la dulcera dispuesto a gastar 10 pesos en chocolates. De cuantas formas puede el ni
no
comprar los chocolates, pensando en las diferentes presentaciones?
Respuesta. 1,001.
Ejercicio 4 Los reyes magos despues de repartir regalos toda la noche, se
encuentran en la u
ltima casa, donde habitan dos ni
nos. Para estos ni
nos
han guardado 6 regalos diferentes, tres para cada uno. De cuantas formas
pueden los reyes magos distribuir los 6 regalos?
Respuesta. 20.
Ejercicio 5 Un anciano a punto de morir, quiere heredar sus 5 pertenencias
entre sus dos hijos. De cuantas formas puede repartir sus pertenencias?
Respuesta. 32.
Ejercicio 6 Cuantas manos de p
oker hay que tengan s
olo tercia?
Respuesta. 54,912.
oker hay que s
olo tengan un par?
Respuesta. 6,589,440.
oker hay que tengan s
olo dos pares?
Respuesta. 247,104.
38
Captulo 4
Probabilidad
Es imposible que un dado, con una determinada fuerza y direccion, no caiga sobre una cara determinada, solo que yo no
conozco la fuerza y la direccion que le hace caer sobre una cara
determinada y por lo tanto le llamo a eso chance, aunque no es
sino falta de arte (conocimiento) [. . . ] John Arbuthnot[3]
La palabra probabilidad (probabilite) se utiliza por primera vez para denotar
algo medible, en la obra de Antonie Arnauld-Pierre Nicole. Este autor usa
la palabra al considerar la diferencia que existe entre la posible ocurrencia
de eventos. Esta diferencia la haca de manera emprica. Al igual que Arnauld, nosotros utilizaremos la palabra probabilidad para atribuir un grado
de ocurrencia a determinados eventos.
Al tratar de obtener la probabilidad de un evento, lo ideal sera expresarla de
forma tal que pueda ser aplicable a diversas situaciones. No servira de mucho
decir que es probable ganar un juego, ya que lo que realmente deseamos saber
es que tan probable lo es. Ademas, para facilitar las comparaciones, debemos llevar el concepto a terminos numericos y para esto necesitamos alguna
formula o metodo que nos arroje un n
umero. Para lo cual, a continuacion
veremos tres formulas para el calculo de probabilidades que se desarrollaron
en los inicios de esta teora.
39
CAPITULO 4. PROBABILIDAD
4.1
40
F
ormula cl
asica
Como mencionamos en los captulos anteriores, Galileo, Cardano, Pascal y

Fermat, mostraron por que algunos eventos ocurran con mayor frecuencia
que otros, para lo cual contaban todos los posibles resultados del juego o
experimento, y los comparaban con los que favorecan la ocurrencia del evento
de interes, y es precisamente esta idea la que da origen a la primera formula
que veremos para el calculo de probabilidades.
P (Ocurrencia de un evento) =
Casos favorables al evento

.
Casos totales
La formula anterior fue desarrollada y utilizada de manera emprica mas

de un siglo, pero fue hasta la principios del siglo XIX que Pierre Simon de
Laplace, en su Ensayo filos
ofico sobre las probabilidades, sintetizo todo
lo desarrollado en probabilidad y la enuncio. Esta formula se conoce como
f
ormula de probabilidad cl
asica o f
ormula de Laplace.
Un ejemplo clasico de como se aplica esta formula es en el lanzamiento de
una moneda. Todos sabemos, o al menos intuimos, que al lanzar una moneda equilibrada la probabilidad de obtener sol es un medio. Calculemos la
probabilidad para verificar lo que empricamente suponemos. Al lanzar una
moneda los casos totales son dos,
aguila o sol, casos favorables solo hay uno.
Por lo tanto
P (sol) =
1
= ,
Casos totales
2
que es el resultado que esperabamos.

Analizando el cociente de casos favorables y totales, podemos deducir que el
n
umero de casos totales siempre sera mayor o igual que el de casos favorables.
Por lo tanto, el valor maximo de la probabilidad de un evento sera 1, y el
menor 0. Es decir, si A es un evento cualquiera entonces
0 P (A) 1.
Al utilizar la formula de probabilidad clasica debemos ser capaces de identificar y contar los posibles resultados del experimento, verificar que sea un
41
n
umero de posibilidades finito, y ademas, suponer igual probabilidad de ocurrencia. Ejemplos de este tipo de experimentos son: lanzar una moneda,
donde hay dos posibles resultados con igual probabilidad, un medio. Lanzar
un dado, con seis posibles resultados y probabilidad de un sexto para cada
uno de ellos. Tener el boleto ganador de una rifa donde existen n boletos,
donde cada boleto tiene probabilidad n1 de ser el ganador, etc.
4.2
Probabilidad geom
etrica
Pensemos en el problema de elegir un punto que este en el intervalo (0,1), y

supongamos que cada punto tiene la misma probabilidad de ser seleccionado.
Para utilizar la formula de probabilidad clasica tenemos que calcular los casos
favorables y los totales; por ejemplo, para saber cual es la probabilidad de
que el punto seleccionado sea 0.5, tenemos que contar los casos favorables,
que es uno, hasta aqu vamos bien, pero al tratar contar los casos totales es
donde surge el problema cuantos puntos hay en el intervalo (0,1)? Mil?
Un millon? No es recomendable tratar de contarlos pues son una infinidad.
Si ahora nos interesa saber cual es la probabilidad de acertar con un dardo al
centro de un crculo, tendremos problemas si pensamos que podemos utilizar
la formula de probabilidad clasica, por que? Porque el centro de un crculo
es un punto, por lo tanto hay un caso favorable, y nuevamente una infinidad
de casos totales. Sin embargo, es posible acertar al centro. Aqu lo que hay
que cuestionar es si realmente el centro de un crculo es un punto, o si el
dardo con el que intentaremos dar al centro cubrira solo un punto. En la
practica no pensamos que el centro de un crculo sea un punto sino que es
un crculo de radio muy peque
no.
El problema al que llegamos es el de no poder contar los casos favorables
o totales, as que es conveniente cambiar la idea de lo que seran los casos
totales y los favorables. Como ya vimos, el centro de la diana no es, en la
practica, un punto, si no un crculo peque
no, del que podemos obtener un
area, la que sera el area favorable. Asi pues, para este tipo de problemas no
calcularemos casos, sino que calcularemos areas. La formula que utilizaremos
para obtener la probabilidad de un evento es
P (A) =
4.3
42
Area
favorable al evento A
.
Area
Total
Probabilidad frecuencial
Entre los muchos intentos por tener alguna ventaja al jugar con los dados
haba, o hay, personas que introducan bolitas de plomo en estos para favorecer a alguna de las caras.
Si lanzamos un dado cargado, los posibles resultados son 1, 2, 3, 4, 5 y 6,
pero ya no podremos asignar igual probabilidad a cada resultado, es decir, si
deseamos conocer la probabilidad de obtener un 1, no bastara con pensar
en casos favorables y totales.
Imaginemos que lanzamos 10 veces un dado que esta cargado, y que en 9 de
los lanzamientos se obtuvo el 1. Bajo esta situacion no es natural pensar que
todas las caras tienen igual probabilidad de ocurrir. Nuevamente lanzamos
el dado pero en esta ocasion veinte veces y de estas veinte resulto que el 1 se
obtuvo 19 veces es logico pensar que las caras en el dado tienen la misma
probabilidad? Pues no, pero ahora nos enfrentamos al problema de asignar
probabilidad a cada uno de los posibles resultados del experimento.
Hay que aclarar que al lanzar 20 veces un dado honesto es posible que se
obtenga en los veinte lanzamientos el 1, pero es muy difcil, la probabilidad
es
P (A) =
1
1
=
,
20
6
3656158440062976
y si bien, no es posible concluir que el dado no es honesto por obtener 19

veces el 1 al lanzarlo veinte veces, un resultado as al menos debe ser suficiente
para dudar. En caso de que el dado este cargado, lo que podemos hacer para
asignar probabilidades, por ejemplo, es lanzar el dado cien veces, y observar
en cuantas de estas se obtuvo el 1 y asignar la probabilidad con la formula
P (Obtener 1) =
x
n
43
Donde x es el n
umero de veces que se obtuvo el 1, y n el n
umero de veces
que se lanzo el dado. Esta forma de asignar probabilidad nos debe resultar
natural pues la usamos en la vida cotidiana, por ejemplo, cuando estamos
esperando a una persona y esta suele llegar tarde, suponemos que llegara
tarde por experiencias pasadas.
La asignacion de probabilidades de acuerdo con el comportamiento a largo
plazo en los experimentos es conocida como probabilidad frecuentista o teora
frecuentista.
Entre la teora frecuentista y la clasica existe una relacion. Se espera que
si el n
umero de ensayos que se realizan para obtener la probabilidad con el
metodo frecuentista crece indefinidamente, la probabilidad que se obtenga
para el evento sera la misma que si se pudiera calcular mediante la formula
clasica. Por ejemplo, sabemos que la probabilidad de obtner un dos al lanzar un dado es un sexto; ahora, si lanzamos el dado n veces, y contamos
las ocasiones en que se obtuvo el dos, y hacemos el cociente para obtener
la probabilidad mediante el metodo frecuentista, se espera que el valor del
cociente sea proximo a un sexto. La idea anterior la expreso, tres siglos atras,
James Bernoulli de la siguiente forma.
4.4
Primer teorema del lmite
James Bernoulli (1654-1705), enuncio un resultado fundamental en su obra

llamada Ars conjectandi 1 , el denominado Teorema de Bernoulli o
ley d
ebil de los grandes n
umeros.
El teorema parte de la suposicion de que para todo evento que podamos
definir en un experimento aleatorio existe una probabilidad p, conocida o
desconocida, de que ocurra. Si dicho experimento lo realizamos n veces, y
contamos el n
umero de ocasiones en las que ocurrio el evento (a este n
umero lo
x
llamamos x), y comparamos el cociente n con el valor de p, observaremos que
estos valores seran muy proximos, ademas, si el n
umero de ensayos aumenta
x
la diferencia entre p y n sera menor.
1
Arte de la conjura
44
Figura 4.1: James Bernoulli (1654-1705).

Del teorema de Bernoulli se puede enunciar la ley de los grandes n
umeros,
que es una version moderna de dicho teorema.
Ley de los grandes n
umeros. Dado un n
umero (epsilon) positivo, la
probabilidad de que la diferencia, en valor absoluto, entre la frecuencia relativa del evento favorable en n pruebas y la probabilidad de ese evento, sea
mayor que tiende a cero cuando el n
umero de pruebas crece indefinidamente.
Lo que podemos representar como

x

lim P p > = 0,
n
n
donde x es el n
umero de veces que ocurrio el evento, y n crece indefinidamente.
Ya hemos revisado como calcular probabilidades, pero antes de hacer algunos
ejercicios, convendra especificar el lenguaje que utilizaremos para referirnos,
en general, a los casos totales, o area total, evento, etc.
4.5
45
Espacio muestral
Al conjunto de todos los posibles resultados del fenomeno o experimento que

observemos lo llamaremos espacio muestral y lo denotaremos con la letra
griega (omega). Por ejemplo, al lanzar un dado tendremos
= {1, 2, 3, 4, 5, 6}.
Para no confundirnos es preciso unificar el lenguaje que debemos utilizar
para referirnos a los elementos del espacio muestral. Usaremos la frase punto
muestral para referirnos a cada posible resultado basico que resulta de realizar el experimento. La palabra evento la usaremos para nombrar cualquier
conjunto que contenga a uno o mas puntos muestrales.
Ejemplo 18 Lanzar un dado.
Espacio muestral: = {1, 2, 3, 4, 5, 6}.
Puntos muestrales: son los resultados basicos o simples del experimento, en
este caso 1, 2, 3, 4, 5 y 6.
Evento: Obtener un n
umero menor o igual que 3. En este caso, el evento
esta compuesto por tres puntos muestrales, {1, 2, 3}.
4.6
Reglas aditivas
Pascal tuvo un amigo llamado Antoine Gombauld, conocido como el caballero Mere, un apostador apasionado. Buscando alguna forma de ganar
mas dinero, penso en apostar que en cuatro tiradas de un solo dado podra,
al menos, obtener un 6. Las personas aceptaban su apuesta y el empezo a
ganar mas dinero que el que perda. La forma en que razono fue la siguiente:
un 6 se obtiene con probabilidad 1/6, por lo tanto si se tienen cuatro oportunidades, sumando obtenemos que: 1/6 + 1/6 + 1/6 + 1/6 = 4/6, o 2/3,
cuyo resultado nos hace suponer que se ganaran 2 de cada 3 juegos.
46
Tal vez aburrido de este juego, Mere busco uno mas interesante. Penso en
lanzar dos dados y obtener un doble seis al menos en 24 tiradas, pero con
este juego no fue tan afortunado. No obstante, razonando como antes se
llega a que un doble 6 se obtiene con probabilidad 1/36, pues si se tienen 24
oportunidades, la probabilidad de obtener el doble 6 es 24/36, simplificando
obtenemos 2/3. Mere penso que la aritmetica no funcionaba y consulto a
Pascal para que diera respuesta a su problema.
Calculemos la probabilidad de obtener al menos un 6 al lanzar cuatro veces
un dado, y comparemos el resultado con lo propuesto por Mere.
Sea A el evento en el que se obtiene al menos un 6 al lanzar cuatro veces un
dado.
Sea A1 el evento donde se obtiene un 6 en el primer intento.
Sea A2 el evento donde se obtiene un 6 en el segundo intento.
Sea A3 el evento donde se obtiene un 6 en el tercer intento.
Sea A4 el evento donde se obtiene un 6 en el cuarto intento.
Siguiendo el razonamiento de Mere podemos escribir

P (A) = P (A1) + P (A2) + P (A3) + P (A4 ).
Este razonamiento erroneo es usual, muchas personas que empiezan a resolver problemas de probabilidad lo repiten. No siempre es posible sumar
las probabilidades de la forma anterior, ya que los eventos no siempre son
ajenos o excluyentes (decimos que dos eventos A y B son ajenos si no tienen
elementos en com
un).
El evento A1 , como fue descrito, pide que se obtenga un 6 en el primer lanzamiento, pero no dice nada de los tres lanzamientos restantes, por ejemplo,
(6,2,4,3) y (6,6,5,4) son dos posibles resultados de lanzar el dado las cuatro
veces que satisfacen lo necesario para ser considerados en el evento A1 , sin
embargo, (6,6,5,4) tambien debe ser tomado en cuenta para el evento A2 , es
decir, estamos tomando en cuenta un posible resultado dos veces, o mas. Por
lo anterior podemos decir que A1 y A2 no son eventos ajenos, pues comparten
algo.
47
Utilizando la idea de los eventos ajenos podemos resolver el problema planteado

por el caballero Mere. Sea Ac el evento en el que se obtienen n
umeros diferentes al 6 en las cuatro tiradas.
Ya sabemos que los eventos ajenos son aquellos en los que no se comparte
algo. En este caso A y Ac son eventos ajenos y ademas complementarios,
es decir, sucede A o Ac , pero no ambos. Por lo tanto, no sera muy difcil
concluir que,
P (A) + P (Ac ) = 1,
y despejando P (A) obtenemos que,
P (A) = 1 P (Ac ).
La probabilidad de Ac es muy sencilla de obtener, as que es mejor obtener
la probabilidad de A haciendo uso de la u
ltima ecuacion.
P (Ac ) =
5 5 5 5
625
=
= 0.48225.
6 6 6 6
1296
Por lo tanto,
P (A) = 1 P (Ac ) = 1 0.48225 = 0.5177.
Este resultado sustenta las hipotesis del caballero Mere, pues en las apuestas
le favorece aproximadamente 52 veces de cada 100, aunque realmente no
es una ventaja desmedida o muy significativa, ademas, debemos notar que
realmente la probabilidad no es 2/3 como supona Mere.
Veamos ahora cual es la probabilidad de obtener al menos un doble 6 cuando
se lanzan 24 veces 2 dados.
Sea B el evento en el que se obtiene al menos un doble seis al lanzar 24 veces
dos dados. Sea B c el evento en el cual no se obtiene ning
un doble seis en las
24 tiradas de los dados.
P (B c ) =
48
35
35 35
= 0.50859612.
36}
|36 36 {z
24veces
Por lo tanto,
P (B) = 1 P (B c ) = 1 0.50859612 = 0.49140388.
La probabilidad de obtener al menos un 6 al lanzar cuatro veces un dado
es 0.5177, es decir, de cada 100 juegos ganaremos 52 aproximadamente. La
probabilidad de obtener un doble 6, al menos, al lanzar dos dados 24 veces
es de 0.49, y con esta opcion se espera que ganemos 49 veces de cada 100
juegos.
Con lo anterior podemos verificar que realmente el razonamiento de Mere
respecto a la forma de calcular probabilidades era erroneo. Sin embargo, es
meritorio que haya notado, al observar los resultados de los juegos que, en
efecto, es mas probable obtener al menos un 6 al lanzar cuatro veces un dado,
que obtener al menos un doble 6 al lanzar dos dados 24 veces. Su observacion
fue tan exacta que le permitio darse cuenta que en un juego tena la ventaja
y en el otro no. Aunque cabe mencionar que es casi imposible percibir, o
diferenciar, situaciones donde las probabilidades de dos eventos tienen una
diferencia tan peque
na.
Antes de proponer una formula para calcular la probabilidad de la uni
on de
dos o mas eventos, veamos un ejemplo mas.2
Supongamos que se tienen los siguientes eventos: Sea A el evento en el que
se obtiene un n
umero menor o igual a cuatro al lanzar un dado, es decir, que
ocurre A cuando se obtiene el 1, 2, 3 o 4. Sea B el evento en el que se obtiene
un n
umero par al lanzar un dado, es decir, 2, 4 o 6.
Los eventos A y B no son ajenos pues comparten dos puntos muestrales, el
4 y el 2. Si deseamos obtener la probabilidad de obtener A o B, podemos
intentar sumar las probabilidades, es decir,
2
Denotaremos a la uni
on de dos eventos como suele hacerse en la teora de conjuntos,
es decir, haciendo uso del smbolo .
P (A B) = P (A) + P (B) =
49
4
6
3
6
= 76 ,
llegando a una contradiccion, pues convenimos que no existe evento cuya

probabilidad sea mayor a uno. Como hemos mencionado, el problema reside
en que los eventos A y B no son ajenos, pues comparten dos puntos muestrales
y, por tal motivo, los puntos que comparten estan siendo tomados en cuenta
tanto en P(A) como en P(B ). De all que la probabilidad que obtenemos sea
mayor a uno.
Utilizando la teora de conjuntos podemos resolver este problema de otra
forma. En esta teora se tiene los conceptos de la union e interseccion de
conjuntos, que se denotan con y , respectivamente. El conjunto A B
consiste de todos los elementos que estan en A o en B. El conjunto A B
consiste de todos los elementos que estan en A y B.
En nuestro problema A B se conforma de los puntos muestrales 4 y 2,

y A B por puntos 1, 2, 3, 4 y 6. Los elementos que se encuentran en la
interseccion son los que estamos contando de mas, pues estan en A y B, como
los estamos contando dos veces, tenemos que restar una vez la probabilidad
de la interseccion.
P (A B) = P (A) + P (B) P (A B) =
5
4 3 2
+ = .
6 6 6
6
De los ejemplos ilustrados hasta aqu, podemos deducir los siguientes resultados.
50
Conclusi
on 1 Sean A y B cualesquiera dos eventos, entonces
P (A B) = P (A) + P (B) P (A B).
Conclusi
on 2 Si A y B son mutuamente excluyentes o ajenos, sucede que
P (A B) = P (A) + P (B).
Conclusi
on 3 Si A y Ac son eventos complementarios, entonces
P (A) + P (Ac ) = 1.
Podemos demostrar la conclusion 3 utilizamos el hecho de que la probabilidad
de es igual a 1, y que A y Ac son ajenos.
P () = 1
P (A Ac ) = 1
P (A) + P (Ac ) = 1.
4.7
Ejemplos
Ejemplo 19 Cual es la probabilidad de obtener 4 o 5

aguilas al lanzar 5
veces una moneda honesta?
Solucion. Sea A el evento en el que se obtienen 4 aguilas al lanzar 5 veces
una moneda, y sea B el evento en el que se obtienen 5 aguilas al lanzar 5
veces una moneda.
Lo que nos interesa es que ocurra A o B, es decir, necesitamos calcular AB.
Los eventos A y B son ajenos pues no pueden ocurrir simultaneamente. Por
lo tanto
51
P (A B) = P (A) + P (B).
Los casos totales al lanzar 5 veces una moneda son 25 , los casos favorables
al evento A son 5, y solo hay un caso favorable al evento B. Utilizando la
formula de probabilidad clasica obtenemos que
P (A B) = P (A) + P (B) =
5
1
1
+
= .
32 32
6
As la probabilidad de obtener 4 o 5 aguilas al lanzar cinco veces una moneda

honestas es de 1/6.

Ejemplo 20 Se lanzaran dos monedas, una de cobre y otra de plata. Las
monedas son honestas. Cual es la probabilidad de obtener al menos un sol?
Elije una de las siguientes opciones:
a) La probabilidad es 1.
b) La probabilidad es 3/4.
c) Ninguna de las anteriores.
Solucion. Si nuestra respuesta es Ninguna de las anteriores, debemos regresar al captulo uno. Si nuestra respuesta es 1, seguramente estamos
cometiendo el mismo error que el caballero Mere, repasa la seccion 3.6. Si
nuestra respuesta es 3/4, estamos en lo correcto.
Definamos como A al evento de obtener sol con la moneda de plata, y como
B al evento de obtener sol con la moneda de cobre. La probabilidad de que
ocurra A o B, es decir, la probabilidad de obtener al menos un sol, es
P (A B) = P (A) + P (B) P (A B).
52
Tanto la probabilidad de A como la de B estan definidas en el enunciado

del problema, solo falta calcular la probabilidad de A B. Para lo anterior
debemos definir el espacio muestral de este experimento.
= {(a, s), (s, a), (a, a), (s, s)}.
Los casos totales son 4, y solo hay un caso favorable. Por lo tanto
P (A B) =
1
= .
Casos totales
4
Ahora para calcular la probabilidad de A B tenemos que

P (A B) = P (A) + P (B) P (A B) =
1 1 1
3
+ = .
2 2 4
4
Por lo tanto, la probabilidad de obtener al menos un sol al lanzar la moneda

de cobre y la de plata es 3/4. Observese que a este resultado se puede llegar
escribiendo solo el espacio muestral, y a partir de all calcular casos favorables
y totales, es decir, sin hacer uso de P (A B).

Ejemplo 21 En el captulo uno citamos dos propuestas de Cardano. Una
de ellas planteaba que la probabilidad de obtener un n
umero en particular, el
dos por ejemplo, al lanzar un dado tres veces es un medio. , la propuesta
es verdadera?
Solucion. Sea A el evento de obtener al menos un 2 al lanzar tres veces un
dado, cual es la probabilidad de A? Para calcular esta probabilidad hagamos
uso de la formula de probabilidad clasica. Los casos totales los podemos
obtener haciendo uso de la regla de la multiplicacion, adaptandola para el
caso de tres tareas, donde cada tarea es lanzar el dado una vez, o la repeticion
de una tarea tres veces, de cualquier forma llegamos a: 6 6 6 = 216,
resultado que ya conocamos gracias a Galileo y a Cardano.
53
Obtener el n
umero de casos favorables es un poco mas complicado, pero con la
practica resultara sencillo. Si queremos obtener un 2 con tres lanzamientos,
los casos favorables son todos aquellos donde al menos aparece un 2, por
ejemplo: (1,2,3), (4,2,5), (3,2,2), (2,2,2), etc. Todos los casos anteriores son
favorables; pero como contarlos a todos? Podemos separarlos en tres grupos,
uno donde solo aparezca una vez el 2, otro donde aparezca dos veces el 2, y
un u
ltimo grupo donde el 2 aparezca las tres veces.
Cuando solo hay un 2, por ejemplo, (2,,), podemos tener en lugar de los espacios vacos cualquier n
umero del dado exceptuando el dos, es decir, cualquiera
de cinco n
umeros.
Hay 25 posibilidades del caso (2, , ).
Hay 25 posibilidades del caso (, 2, ).
Hay 25 posibilidades del caso (, , 2).
Por lo tanto hay 75 casos favorables donde solo hay un 2. De manera similar
obtenemos que los casos favorables cuando hay dos veces 2, por ejemplo,
(2,1,2). El n
umero de casos es 15. Cuando tenemos tres veces el 2 solo hay
un caso, (2,2,2). Sumando todos los casos favorables obtenemos por resultado
75 + 15 + 1 = 91.
Ya que hemos calculado los casos favorables y totales, aplicamos la formula,
P (A) =

91
=
= 0.4212962
Casos totales
216
Con lo que probamos que no existe la igualdad que supona Cardano; para
que exista la igualdad se debe obtener un medio de probabilidad.
Existe una forma mas sencilla de obtener los casos favorables. Sabemos que
en total hay 216 casos, de estos algunos son favorables al evento A, y hay
otros que no lo son. Para facilitar el trabajo contemos los casos que no son
favorables, es decir, contemos los casos donde no aparece el 2. En estos casos
podran aparecer cualquiera de las cinco caras restantes del dado. En total
son 5 5 5 = 125 casos.
54
De los 216 casos totales 125 no son favorables, por lo tanto, los casos favorables se obtienen restando 216 125 = 91, que es el resultado que obtuvimos
anteriormente.

Ejemplo 22 En una de tantas ferias de la ciudad hay un personaje pin atrae a los paseantes con un juego. El
muestra
toresco de nombre Soln. Este
tres cartas, la primera con ambas caras azules, la segunda con ambas blancas y la tercera con una cara blanca y una azul, despues las introduce en
un sombrero, y deja que uno de los espectadores extraiga una. Soln pide al
espectador que coloque la carta sobre una mesa, sin mostrar de que color es
la cara que queda boca abajo. Supongamos que la cara que podemos ver de la
carta es azul, entonces Soln dir
a: al parecer la cara oculta puede ser blanca
o azul, apuesto 10 pesos contra 12 a que la cara oculta tambien es azul.
Parece ser una buena oportunidad para que el espectador gane una apuesta.
Sabemos que la carta con las dos caras blancas ya no est
a en juego, es decir,
la carta sobre la mesa es la que tiene ambas caras azules o la carta que tiene
una cara de cada color. Soln nos dar
a 12 pesos si es que la cara oculta es
blanca, mientras que nosotros s
olo le daremos 10 pesos en caso de que sea
azul, todo indicara que nosotros tenemos la ventaja, o no? Para saber si
es una oportunidad de ganar dinero o nos quieren estafar, mejor obtengamos
la probabilidad de que la cara oculta sea azul.
Solucion. Como es costumbre, definamos primero el evento de interes: sea A
el evento en que la cara oculta es azul. Cual es la probabilidad de A?
Necesitamos obtener los casos favorables y los totales. Para esto no necesitamos formulas, solo visualizar correctamente el problema. Hasta cierto punto
es bueno el argumento que nos da Soln, son dos cartas en juego y una le
da el triunfo, parecera que la probabilidad del evento A es un medio, sin
embargo, no debemos centrar la atencion en el n
umero de cartas, sino en el
n
umero de caras. Es una de tres caras la que esta oculta, dos azules y una
blanca, es decir, son tres los casos totales contra dos favorables, por lo que
podemos decir que:
2
P (A) = .
3
55
En teora Soln gana dos de cada tres juegos, es decir, si nosotros jugaramos
tres veces se esperara que en dos ocaciones gane Soln y en una nosotros,
el nos pagara 12 pesos y nosotros a el 20. Despues de todo, no parece tan
conveniente aceptar apuestas de este tipo.

Ejemplo 23 En un cajon hay 4 calcetines negros, 4 azules y 2 verdes. Se
sacaran al azar dos calcetines, cu
al es la probabilidad de que ambos sean
azules? Cual es la probabilidad de que sean del mismo color?
Solucion. Sea A el evento en que los dos calcetines obtenidos al azar sean
azules. Sea B el evento en que los dos calcetines obtenidos al azar son del
mismo color. Para el evento A los casos favorables se pueden calcular con las
combinaciones de 4 en 2, es decir, de los cuatro calcetines azules que hay en el
cajon debemos elegir dos, sin importar el orden ya que son indistinguibles, y
los casos totales con las combinaciones de 10 en 2, es decir, elegir 2 calcetines
de 10 sin importar color u orden, entonces la probabilidad de A es
P (A) =
C24
6
= .
10
C2
45
En el calculo de la probabilidad de B los casos totales son los mismos. Los

casos favorables se forman de todas las posibles elecciones de pares de calcetines del mismo color. De los azules, como sabemos, hay 6 formas. Por
otra parte, los calcetines negros son 4, al igual que los azules, por lo que
tambien hay 6 formas de obtener un par de estos calcetines; al haber solo
dos calcetines verdes, solamente hay una forma de obtener un par de dicho
color. As llegamos a que
P (B) =
C24 + C24 + C22

6+6+1
13
=
= .
10
C2
45
45
Ejemplo 24 (El problema de los cumplea

nos) . En una fiesta, donde
hay 23 personas, uno de los invitados propone lo siguiente: Si en este lugar
56
hay al menos dos personas que cumplan a

nos el mismo da, me llevare todo
el pastel a casa, de lo contrario comprare otro igual para ustedes Deben los
demas invitados aceptar la propuesta?
Solucion. Dado que hay 365 das, no parece muy probable que haya dos
personas de entre las 23 que cumplan a
nos en la misma fecha. Pero, para
verificarlo, hay que obtener la probabilidad. Sea el evento A aquel en el
que hay al menos dos personas con la misma fecha de cumplea
nos. Como
obtenemos la probabilidad de A? En muchos de los problemas de probabilidad
donde se menciona la frase al menos debemos tomar el tiempo necesario
para pensar si sera mejor calcular lo contrario a lo que nos piden. Esto ya
lo hemos hecho anteriormente.
En este caso, de no hacer uso de la recomendacion, debemos contar primero
los casos donde solo dos personas tienen el mismo da de cumplea
nos, luego
si son tres, o cuatro, o si hay dos personas que cumplan el mismo da y otras
dos en otro da, y as lo podemos hacer tan difcil como queramos, pero mejor
hay que hacerlo de la manera sencilla. Utilicemos el evento Ac que es aquel
donde no coinciden en ning
un caso las fechas de cumplea
nos.
La probabilidad de Ac es muy facil de obtener. Cada una de las personas
nos dira su fecha de cumplea
nos, la primera podra decir cualquier da de los
365, la segunda podra decir cualquiera de 364, para no coincidir con el da
de la primera persona, y as hasta que las 23 personas hayan dicho su fecha
de cumplea
nos. Los casos favorables para el evento Ac son: 365 364
363 . . . (365 22), los casos totales son 36523 . La probabilidad de Ac es
entonces,
P (Ac ) =
365 364 (365 22)

= 0.49270277.
36523
Finalmente la probabilidad de que el invitado, que hace la propuesta, se lleve

el pastel a su casa es
P (A) = 1 P (Ac ) = 1 0.49271277 = 0.50729723.
La propuesta parece ser justa, pues la probabilidad es muy proxima a un
medio, pero si el n
umero de invitados fueran mayor, el que hace la propuesta
57
tendra ventaja. Observemos la siguiente tabla que muestra las probabilidades de que en un grupo de n personas haya al menos dos personas con la
misma fecha de cumplea
nos.
N
umero
de invitados
1
2
3
..
.
Probabilidad
21
22
23
24
25
26
27
..
.
0.443
0.475
0.507
0.538
0.568
0.598
0.626
..
.
43
44
45
0.923
0.932
0.940
0
0.002
0.008
..
.
Observemos que para 45 invitados la probabilidad de perder el pastel, que es

de 0.94, es bastante considerable. Es un buen ejercicio tratar de explicar el
porque de tal probabilidad cuando hay 45 personas, que pareceran ser pocas
respecto de los 365 das del a
no.

Ejemplo 25 Dos personas, A y B, juegan a los dados de la siguiente forma:
B lanza dos dados y toma el mayor de los valores obtenidos; A s
olo lanza un
dado. El jugador B gana si el valor que obtuvo es estrictamente mayor que
el obtenido por A. Quien tiene m
as posibilidades de ganar?
Solucion. Para encontrar la solucion, obtengamos la probabilidad de que A
gane. Debemos contar todos lo posibles resultados que se pueden dar para
58
que este gane; por ejemplo, si A obtiene un 2 entonces B debe obtener a lo

mas 2, pues A gana con el empate. Observemos el siguiente grafico:
A
1
2
3
4
5
6
B
(1,1) (1,2) (1,3) (1,4) (1,5) (1,6)
(2,1) (2,2) (2,3) (2,4) (2,5) (2,6)
(3,1) (3,2) (3,3) (3,4) (3,5) (3,6)
(4,1) (4,2) (4,3) (4,4) (4,5) (4,6)
(5,1) (5,2) (5,3) (5,4) (5,5) (5,6)
(6,1) (6,2) (6,3) (6,4) (6,5) (6,6)
La parte sombreada muestra lo que debe obtener B para que gane A cuando
este u
ltimo haya obtenido un 2, es decir, si A obtiene 2, B puede obtener
(1,1) o (1,2) o (2,1) o (2,2). Siguiendo la misma logica podemos contar los
casos favorables para A como
12 + 22 + 32 + 42 + 52 + 62 = 91.
Lo que quiere decir que, del total de las posibilidades en el juego, en 91 de
ellas gana A. Los casos totales son 216, pues se lanzan tres dados. Utilizando
la formula clasica de probabilidad tenemos que
P (A) =
91
= 0.4212962.
216
Ejemplo 26 Se tienen 3 parejas de personas, que representaremos con las

letras A, a, B, b, C y c. Estas personas se sentar
an al azar en una banca.
Cual es la probabilidad de que las personas se sienten sin que haya alguna
pareja junta?
Solucion. Contemos todas las posibles formas en que las seis personas pueden
sentarse en la banca. Utilizando la formula de arreglos obtenemos 6!, es decir,
el resultado es que hay 720 formas distintas de sentar a las seis personas en
59
una banca. Para obtener los casos favorables, del total de casos restemos los
casos donde al menos alguna persona esta con su pareja, que son 6! menos
el n
umero de arreglos donde al menos hay una persona junto a su pareja.
Si pensamos en la pareja Aa como un solo elemento, nos aseguraremos de que
siempre se sentaran juntos. Contamos los arreglos que resultan de acomodar
a los 5 elementos, Aa, B, b, C y c, que son 5!, tenemos arreglos donde al
menos aseguramos que hay una pareja junta, que es Aa. Este resultado lo
multiplicamos por 2, para hacer distincion entre Aa y aA. Como tenemos 3
parejas para elegir a la que vamos a unir, el resultado lo multiplicamos por 3,
por lo tanto llegamos a que el n
umero de arreglos que representan las formas
en que las seis parejas se pueden sentar de modo tal que al menos haya una
persona junto a su pareja es 3 2 5!. Si al total le restamos el n
umero
anterior, obtenemos
6! (3 2 5!) = 0.
Este resultado no es posible, necesariamente hay formas de sentar a las personas de manera que estas no esten junto a su pareja. Donde esta el error?
El error es que restamos de mas algunos casos. Por ejemplo cuando unimos
Aa y acomodamos los 5 elementos, en algunos de estos arreglos B y b quedan
juntos, y luego cuando unimos Bb y acomodamos los 5 elementos, sucede que
aqu tambien pueden quedar juntos Aa.
6! (3 2 5!) + error.
Para medir ese error contemos los arreglos en los que hay, por lo menos, dos
personas sentadas con su pareja. Por ejemplo, podemos unir a la pareja Aa y
tambien a la Bb, con esto obtenemos 4 elementos para acomodar, Aa, Bb, C
y c, entonces tenemos 4! arreglos donde por lo menos hay dos personas que
estan sentadas junto a su pareja. Dado que fijar Aa y Bb es distinto a fijar
aA y Bb, entonces debemos multiplicar nuestro resultado, 4!, por 4, que son
todas las formas en que se pueden fijar las parejas. Por u
ltimo, contemos las
formas en que podemos elegir a esas dos parejas, que son 3. Con lo anterior
llegamos al siguiente resultado:
6! (3 2 5!) + (3 4 4!) = 288.
60
Este resultado ya esta mas cerca de ser el que buscamos, pero a

un no lo
es. Nuevamente cometimos un error, y es que estamos sumando arreglos de
mas. Cuando elegimos a las dos parejas, por ejemplo Aa y Bb, y hacemos los
arreglos de 4 elementos, C y c pueden quedar o no juntas; luego, si las parejas
que unimos son las Aa y Cc, B y b pueden o no quedar juntos. Si quedan
juntos, nuevamente las tres parejas estan juntas y estaremos contando de mas.
El n
umero de arreglos donde sucede lo anterior lo podemos calcular si unimos
a todas las parejas, con lo que tenemos tres elementos para distribuir, Aa, Bb
y Cc, y contamos las formas en que se pueden sentar, que son de 3! formas,
y multiplicando por el n
umero de formas en que las parejas, ya unidas, se
puede sentar entre si, que son 8, llegando as a la repuesta del problema que
es
6! (3 2 5!) + (3 4 4!) (1 8 3!) = 240.
La probabilidad de que ninguna persona este sentada junta a su pareja es
P =
240
= 0.3333.
720
Ejemplo 27 En el juego del domin

o se reparten, al azar, 28 fichas entre 4
jugadores. Todas las fichas son distintas. Una ficha de domino se caracteriza
por tener dos n
umeros, los cuales pueden ser el 0, 1, 2, 3, 4, 5 o el 6. As,
hay 7 fichas con un mismo n
umero, por ejemplo, las fichas que tienen el
n
umero 6 y otro (6 : 0, 6 : 1, 6 : 2, 6 : 3, 6 : 4, 6 : 5 y 6 : 6). Cu
al es la
probabilidad de que un jugador obtenga 7 fichas con un mismo n
umero?
Solucion. Sea A el evento de que un jugador obtenga 7 fichas con un mismo
n
umero.Calculemos primero el n
umero de casos totales. El primer jugador
puede elegir sus 7 fichas de entre 28, por lo tanto, tendra C728 posibilidades,
pues el orden de las 7 fichas no importa. El siguiente jugador que tome
sus fichas elegira de entre las 21 restantes, y tendra C721 posibles formas de
hacerlo. El tercer jugador dispondra de las 14 fichas restantes, por lo cual
dispone de C714 posibilidades de eleccion. Por u
ltimo, el cuarto jugador tendra
61
Figura 4.2: Domino.

solo C77 formas de seleccionar sus fichas. Utilizando la regla de la multiplicacion tenemos que el n
umero total de formas en que se pueden repartir las
fichas los 4 jugadores es
C728 C721 C714 C77 =
28!
.
(7!)4
Por la forma en que estan marcadas las fichas del domino, en un juego, solo
una persona puede tener las 7 fichas con el mismo n
umero. Entonces los
casos favorables seran todos aquellos donde alguno de los jugadores tenga las
7 fichas con el cero, o las 7 fichas con el uno, etc., en total hay 7 casos. Pero
hay que ver como quedan distribuidas las 21 fichas restantes entre los otros
jugadores. Supongamos que el jugador que ha de tener las 7 fichas con un
mismo n
umero es el primero en elegir, y en efecto toma 7 las fichas deseadas.
El siguiente jugador dispone de C721 formas de elegir sus 7 fichas. Para el
tercer jugador restan 14 fichas, por lo cual tendra C714 posibilidades de elegir
sus fichas. El cuarto jugador se conformara con las 7 fichas restantes (C77 ).
Usando la regla de la multiplicacion el n
umero total de casos favorables para
el evento A es
7 C721 C714 C77 =
7 (21!)
.
(7!)3
62
La probabilidad del evento A es,

7(21!)
(7!)3
P (A) =
28!
(7!)4
= 0.000005912.
Ejemplo 28 Lanzaremos un dardo sobre la siguiente figura:
Si suponemos que el dardo forzosamente caer

a al menos en la franja de los 25
puntos, Cual es la probabilidad de obtener 125 puntos? El radio del crculo
mayor es de 25 cm. y el radio del crculo de los 125 puntos es de 5 cm.
Solucion. El area del crculo mayor es de: r 2 = 3.1416 252 = 1963.5.
El area del crculo de los 125 puntos es: r 2 = 3.1416 52 = 78.54. Sea A
el evento de que el dardo acierta en el crculo de los 125 puntos. Utilizando
la formula de probabilidad geometrica, la probabilidad del evento A es
P (A) =
78.54
= 0.04.
1963.5
63
Ejemplo 29 Juan y Alma concertaron una cita para el pr

oximo lunes entre
15 y las 16 horas en un cafe. Debido a sus ocupaciones ninguno est
a dispuesto
a esperar mas de diez minutos cu
al es la probabilidad de que Juan y Alma,
que llegaran al azar entre las 15 y 16 horas, se encuentren en el cafe el
proximo lunes?
Solucion. Sea A el evento en el que Juan y Alma se encuentran. Para calcular
la probabilidad del evento A necesitamos obtener el area favorable y el area
total, para ello nos auxiliaremos del siguiente diagrama.
Alma y Juan pueden llegar en cualquier momento entre las 15 y 16 horas. Lo

anterior se representa en el dibujo con una recta horizontal y una vertical, que
indican el momento de llegada y partida de Alma y Juan respectivamente.
Para que se de el encuentro, si Alma llega en punto de las 15 horas, minuto
cero, y parte al minuto diez, Juan debe llegar antes del minuto diez, si Alma
llega en el minuto uno se ira al minuto 11, por lo que Juan debera llegar
antes del minuto once, etc.
La probabilidad del evento A se obtiene con el cociente del area sombreada,
area favorable, y el area del cuadro de 60 por 60, que es el area total. Para
obtener el area de la zona sombreada podemos restar a 3600, area total, el
area de los triangulos blancos. Cada triangulo tiene base de 50 y altura de
50, por lo tanto
64
Area
sombreada = 3600 ((50 50)/2) 2
= 3600 2500
= 1100.
As la probabilidad de que Alma y Juan se encuentren es

P (A) =
1100
11
= .
3600
36
Ejemplo 30 Pensemos en una circunferencia de radio 1. Dibujemos en

esta circunferencia un triangulo equil
atero de forma tal que los tres vertices
del triangulo sean puntos de la circunferencia, como se muestra en la figura
3.3. A la longitud de cada lado del tri
angulo la llamaremos L. Cu
al es la
probabilidad de elegir al azar una cuerda de la circunferencia con longitud
mayor a L?3
Calculemos el valor de L. Para obtener el valor de L, tracemos las alturas del
triangulo y prolonguemos estas para que sean diametros del crculo (figura
3.4). Observemos que al trazar las alturas, se obtienen seis nuevos triangulos,
estos triangulos son iguales; los angulos internos son de 30, 60 y 90 grados,
ademas sabemos que la hipotenusa mide una unidad. El valor de L es igual
a dos veces el valor de x, donde x es igual a coseno de 30 grados, ( 23 ).
Veamos las siguientes posibles soluciones:
Solucion 1. Para la primera solucion usaremos que toda cuerda tiene un
punto medio, as, elegiremos al azar un punto dentro de la circunferencia, y
a partir de este punto se generara la cuerda, la cual podra ser mayor o no a
L.
3
Este problema fue planteado por Joseph Louis Bertrand y publicado en 1888 es su
libro Calcul des probabilities.
65
Figura 4.3:
Figura 4.4:
Definamos el area favorable al evento, que llamaremos A. Para definir el area
favorable nos auxiliaremos de la figura 3.5. En esta figura podemos ver el
triangulo equilatero y un segmento de recta que se extiende desde el punto
a hasta el punto a, este u
ltimo punto es uno de los vertices del triangulo,
ademas el segmento de recta pasa por el centro del crculo. Supongamos
por un momento que solo podemos elegir puntos que esten contenidos en
66
aa , y que las cuerdas que se generen con dichos puntos tendran que ser
perpendiculares al segmento aa . Todos los puntos que elijamos entre d y d
seran puntos medios de cuerdas con longitud mayor a L.
Figura 4.5: Area

favorable.
Si giramos dd manteniendo al punto o fijo, obtendremos un crculo contenido
en el triangulo, y dentro de esta circunferencia estaran todos los puntos
que pueden ser centros de cuerdas con longitud mayor a L (figura 3.5). La
circunferencia sombreada es el area favorable. Para obtener el radio del
la circunferencia sombreada auxiliemonos de la figura 3.4, de esta figura
podemos deducir que el radio de la circunferencia es igual a 21 (seno de 30
grados). Aplicando la formula para calcular probabilidad en base a areas
obtenemos que
0.52
1
P (A) =
= .
2
1
4
Solucion 2. Situemonos en un punto de la circunferencia, por ejemplo, el
punto a. A partir de este punto construyamos una cuerda elijando al azar un
segundo punto. En la figura 3.6 podemos ver como solo los puntos contenidos
en el arco bc generaran cuerdas con longitud mayor a L.
Los tres arcos que se forman con los vertices del triangulo miden lo mismo,
y si suponemos que la probabilidad de elegir un punto en estos es la misma,
67
Figura 4.6:
por lo tanto para obtener la probabilidad de elegir una cuerda con longitud
mayor a L es 13 .

Hemos llegado a dos soluciones diferentes, con este ejemplo Bertran trato de
mostrar que existen algunas inconsistencias en la teora de la probabilidad
geometrica. A juicio de muchos, los diferentes resultados son consecuencia
de diferentes interpretaciones del problema.
Ejemplo 31 Si se lanza una moneda honesta 300 veces, cu
al es la probabilidad de obtener 150 veces sol y 150 veces
aguila?
Solucion. Esta pregunta la he hecho en repetidas ocasiones obteniendo dos
repuestas; un medio y algo proximo a uno.
Los que dijeron un medio
La siguiente pregunta que formulo, con el fin de sacarlos de su error es: cual
es entonces la probabilidad de obtener 151 veces sol y 149 veces aguila? Y
con mayor sorpresa escucho que la probabilidad en este caso es proxima a
0.5.
Despues intento con una tercer pregunta esperando que esta vez s salgan de
68
su error. Cual es la probabilidad de obtener 149 veces sol y 151 aguilas? Sin
embargo obtengo por respuesta, que la probabilidad es muy cercana a 0.5.
Despues de comprender que las tres preguntas son incapaces de lograr su
objetivo, utilizo el siguiente argumento para lograrlo:
Sea A el evento en el cual se obtiene 150 veces sol al lanzar una moneda 300
veces. Sea B el evento en el cual se obtiene 149 veces sol al lanzar una moneda
300 veces. Sea C el evento en el cual se obtiene 151 veces sol al lanzar una
moneda 300 veces. Por lo que expresaron las personas, las probabilidades de
estos eventos son las siguientes:
P (A) = 0.5,
P (B) = 0.49,
P (C) = 0.49.
Claro, tomando 0.49 como un n

umero proximo a 0.5, solo para fines de
calculo. Como es conocido, cuando tenemos eventos ajenos la probabilidad
de la union de estos es la suma de las probabilidades.
P (A B C) = P (A) + P (B) + P (C) = 0.5 + 0.49 + 0.49 = 1.48.
Con lo que llegamos a una contradiccion, pues no existe evento cuya probabilidad sea mayor a uno.
La probabilidad de obtener 150 soles al lanzar una moneda 300 veces se
obtiene de la siguiente manera: para los casos totales, pensemos en estos como
arreglos con repeticion de tama
no 300, cada uno de los 300 lugares puede
tomar uno de dos valores, aguila o sol, es decir, tenemos 2300 casos totales.
Para los casos favorables necesitamos que en los 300 lanzamientos se obtengan
150 soles y 150 aguilas. Si contamos de cuantas formas podemos distribuir
150 soles en 300 lanzamientos estaremos contando los casos favorables, es
decir, necesitamos elegir 150 n
umeros de entre el 1 y el 300 para asignar a
esos lugares los 150 soles, de cuantas formas puedo elegir 150 n
umeros de
300
entre 300 si no importa el orden? Pues de C150 , por lo tanto la probabilidad
de obtener 150 soles al lanzar 300 veces una moneda es:

300
C150
300!
1
P (A) = 300 =
= 0.04602751.
2
150!(150!) 2300
69
La probabilidad resulta ser muy peque

na y lejana al 0.5 que la mayora
supona. Ya que muchas personas pensaban incorrectamente que la probabilidad era 0.5, es interesante tratar de encontrar una explicacion para esto.
Es difcil tratar de explicar cual es la causa principal que lleva a dar como
respuesta un medio, pero con frecuencia se observa un razonamiento semejante, y es el de dividir 150 entre 300, pues al obtener un medio la respuesta
coincide con la probabilidad de obtener un sol al lanzar una moneda.
Buscando otra explicacion, se cree que las personas no hacen diferencia entre
los tama
nos de los experimentos 4 . Por ejemplo, si se tiene una urna con
100 bolas de color azul y 100 bolas de color rojo, las personas opinan que es
igualmente posible obtener 4 bolas rojas y 6 azules al realizar 10 extracciones
que obtener 40 bolas rojas y 60 azules al hacer 100 extracciones. Lo cual no
es cierto.
Para el caso de la moneda, supongamos que se lanza 4 veces en lugar de
trescientas y se desean obtener 2 soles en lugar de 150. Las personas siguen
pensado que esta probabilidad es un medio, es decir, no hacen diferencia
entre el n
umero de lanzamientos, simplemente se fijan en que el n
umero de
soles que se desean obtener es un medio del total de lanzamientos.
Obtengamos la probabilidad para el caso de cuatro lanzamientos para mostrar
que sigue sin ser un medio.
Cual es la probabilidad de obtener 2 soles al lanzar 4 veces una moneda que
suponemos honesta?
Sea D la probabilidad de obtener 2 soles al lanzar una moneda honesta 4
veces.
Para llegar al resultado utilicemos la formula de probabilidad clasica. De
forma explcita, el espacio muestral es el siguiente:
4
Shuaghness (1976)[8]
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
70
S, S, S, S
S, S, S, A
S, S, A, S
S, A, S, S
A, S, S, S
S, S, A, A
S, A, S, A
S, A, A, S
A, S, A, S
A, A, S, S
A, S, S, A
A, A, A, A
A, A, A, S
A, A, S, A
A, S, A, A
S, A, A, A
Los casos totales son 16 y los favorables 6, por lo tanto

P (D) =
6
= 0.37.
16
Obtenemos un n
umero menor que 0.5, pero diferente de 0.046275 correspondiente a la probabilidad de obtener 150 soles al lanzar trescientas veces la
moneda.
Los que dijeron que la probabilidad es algo pr
oximo a uno
Si se lanza un moneda 2n veces y se desean obtener n soles tendremos pocas
posibilidades de lograr nuestro objetivo. El caso en el que mayor probabilidad
tenemos de lograrlo es con n = 1, es decir, cuando lanzamos 2 veces la
moneda.
1
2
3
4
S, S
S, A
A, S
A, A
P (A) =
71
2
= 0.5.
4
Exceptuando este caso, todos los demas tienen probabilidad menor a un

medio. Aun as, cuando se realiza la pregunta: si se lanza una moneda
honesta 300 veces, cual es la probabilidad de obtener 150 veces sol y 150
veces aguila?, un n
umero reducido de personas, pero convencido, responden
que esta probabilidad es aproximadamente uno.
Mientras la respuesta un medio la podemos asociar, hasta cierto punto,
con personas que tienen poca experiencia en la teora de probabilidad, la
respuesta algo proximo a uno, esta relacionada con personas de cierta
experiencia en dicha teora.
Para la respuesta algo proximo a uno no hay gran misterio, esta respuesta
es obra de un descuido en la aplicacion del Teorema de Bernoulli. La interpretacion del teorema en este caso, es que al realizar el experimento de
lanzar la moneda en repetidas ocasiones y contar el n
umero de soles que se
obtienen, y compararlos con el total de lanzamientos mediante un cociente,
este sera proximo a un medio, entonces las personas, conocedoras de este teorema razonan que como 300 lanzamientos son muchos, entonces el cociente
sera muy proximo a un medio, es decir, piensan que casi es seguro que el
n
umero de soles sera la mitad, y dan por respuesta algo proximo a uno.
Sin embargo la pregunta es: cual es la probabilidad de obtener exactamente
150 soles? Y como ya vimos, esta probabilidad es muy peque
na, y entre mas
grande sea el n
umero de lanzamientos mas peque
na es la probabilidad.
Captulo 5
Independencia
Entre los hombres dedicados al estudio de la probabilidad, se reconoce a
Pierre de Simon Laplace, principalmente por su obra intitulada Ensayo
filosofico sobre las probabilidades, que como mencionamos en el captulo
anterior, tiene el merito de haber sintetizado y estructurado los resultados
que hasta ese momento se tenan sobre la teora de las probabilidades.
Laplace expone 11 principios, de estos, 7 se evocan al calculo de probabilidades, y los restantes al calculo de esperanzas, tema que veremos en el
siguiente captulo. Aunque no lo mencionamos, en el captulo anterior tratamos los dos primeros principios, que se refieren al la formula clasica y a la
probabilidad de la union de eventos. Por lo cual este captulo lo dedicaremos
exclusivamente al estudio de los principios: tercero, cuarto, quinto, sexto y
septimo.
5.1
Eventos independientes
El tercer principio de Laplace es el siguiente:

Si los eventos son independientes unos de otros, la probabilidad
de la existencia de su conjunto es el producto de sus probabilidades particulares.[5]
72
CAPITULO 5. INDEPENDENCIA
73
Podemos percatarnos facilmente de que en este principio se expone un nuevo

termino, el de eventos independientes. Dos eventos son independientes cuando
la ocurrencia de uno de ellos, no afecta la probabilidad de que ocurra el otro.
Por ejemplo, si tenemos los eventos: obtener sol al lanzar una moneda, y
obtener dos al lanzar un dado, tendremos dos eventos independientes, pues
que obtengamos sol con la moneda no afectara en nada la probabilidad de
obtener dos con el dado, y viceversa.
Un ejemplo de eventos que no son independientes es el siguiente: se tiene
una urna con 5 bolas blancas y 5 bolas negras, y de esta extraemos dos bolas
sin reposicion. Los eventos seran:
Evento A: obtener una bola negra en la primera extraccion.
Evento B: obtener una bola blanca en la segunda extraccion.
Observemos que la probabilidad del evento A es 5/10, (casos favorables entre
casos totales), pero al calcular la probabilidad del evento B, tendremos que
preguntarnos por el resultado de la primera extraccion, es decir, la probabilidad del evento B depende del resultado de la primera extraccion, por lo
tanto los eventos A y B son dependientes, o no independientes.
En el tercer principio se afirma que la probabilidad de que sucedan dos eventos independientes es el producto de las probabilidades particulares. En
nuestro ejemplo (el evento de lanzar una moneda y obtener sol, que llamaremos evento S, y el de obtener dos al lanzar un dado, que nombraremos evento
D), la probabilidad de que ocurran los eventos D y S es
P (D S) = P (D)P (S) =
1 1
1
= .
6 2
12
Como podemor ver el tercer principio expresa como calcular la probabilidad

de eventos que sabemos son independientes, pero que sucede si no sabemos
si los eventos son independientes? Por lo anterior, suele decirse que n eventos,
A1 , A2 , A3 , . . . , An , son independientes si cumplen las siguientes condiciones:
Si se toman 2 eventos cualesquiera, Ai y Aj con i 6= j, de los n, entonces se
debe cumplir que
P (Ai Aj ) = P (Ai )P (Aj ).
74
Si se toman 3 eventos cualesquiera, Ai , Aj y Ak con i 6= j 6= k, de los n,

entonces
P (Ai Aj Ak ) = P (Ai )P (Aj )P (Ak ).
As sucesivamente hasta que se confirme la independencia entre los n eventos,
P (A1 A1 . . . An ) = P (A1 )P (A2 ) . . . P (An ).
Uno de los primeros problemas estudiados referentes al uso del concepto de
independencia, fue investigado por diferentes personajes (J. Bernoulli, De
Moivre, Laplace, entre otros). El problema es semejante al siguiente: se
lanza una moneda n veces Cual es la probabilidad de obtener k soles? (El
valor de k puede ser mayor que o igual a cero pero menor o igual que n).
Para resolver este problema se puede prescindir del concepto de independencia, pero hacer uso de este nos hara mas sencillo el trabajo. Representemos
con un 0 el hecho de obtener sol, y con un 1 el hecho de obtener aguila.
Un posible resultado de nuestro experimento es obtener aguila en todos los
lanzamientos, y lo podemos representar como
1, 1, , 1, 1 .
|
{z
}
nveces
El n
umero total de sucesiones compuestas de unos y ceros es 2n , y cada
una de estas tiene igual probabilidad de ocurrir. Pensemos en un espacio
muestral que este compuesto de 2n elementos, y obtengamos la probabilidad
de que ocurra cada punto muestral. Cada lanzamiento de la moneda es
independiente del resto, entonces la probabilidad de cualquier sucesion, o
punto muestral, es el producto de las probabilidades de cada lanzamiento,
que es
n
1
1
1
1
1
...
=
= n.
2
2
2
2
2
|
{z
}
n
75
Ya describimos el espacio muestral y obtuvimos la probabilidad de cada punto

muestral. Definamos ahora el evento A como aquel en que se obtienen k
soles al lanzar n veces una moneda. La probabilidad de A es la suma de las
probabilidades de todos los puntos muestrales que estan contenidos en dicho
evento. Para contar los puntos muestrales que estan contenidos en A usamos
un artificio.
Imaginemos que en una urna tenemos n bolas numeradas con los primeros
n n
umeros naturales, ademas tenemos arreglos con n lugares. Extraeremos
k bolas de la urna para seleccionar k lugares del arreglo, en estos lugares
acomodaremos los k ceros y en los restantes n k lugares los unos. Para
saber cual es el n
umero de sucesiones formadas de k ceros y n k unos,
bajo las anteriores especificaciones, solo debemos saber de cuantas formas
diferentes pueden ser los n
umeros que se obtienen en las bolas que se extraen
de la urna, como no importa el orden en que las bolas son extradas, solo
debemos calcular las combinaciones de tama
no k tomadas de un conjunto de
tama
no n, que son
Ckn =
n!
.
(n k)!k!
Sabemos de cuantos puntos muestrales esta compuesto el evento A, entonces

la probabilidad de A la podemos obtener sumando las probabilidades de los
puntos muestrales
n n
n
n
1
1
1
1
n
+
+ ...+
= Ck
.
2
2
2
2
|
{z
}
Ckn
As concluimos que la probabilidad de obtener k soles al lanzar n veces una

moneda es
P (A) =
Ckn
n
1
.
2
5.2
76
Experimentos Bernoulli
Existe una gran variedad de situaciones o experimentos que tienen solo dos
posibles resultados, a estos se les conoce como: ensayos Bernoulli.
Formalmente los ensayos Bernoulli son una serie de experimentos independientes, donde cada ensayo tiene dos posibles resultados y sus probabilidades
permanecen constantes. Se utilizan las letras p y q para representar estas
probabilidades, ademas, se acostumbra decir que los dos posibles resultados
son exito y fracaso. El problema de la moneda es un ejemplo de los ensayos
Bernoulli, donde la p y q son iguales.
1
p=q= .
2
Supongamos que se realizaran n ensayos Bernoulli, la probabilidad de exito
es p y la probabilidad de fracaso es q. Cual es la probabilidad de obtener k
exitos? En este caso tendremos 2n sucesiones de exitos y fracasos, Cuantos
de estos contienen exactamente k exitos y n k fracasos? Como ya vimos
son Ckn . La probabilidad de cada una de estas sucesiones de eventos independientes es pk q nk . As pues, podemos concluir que la probabilidad de obtener
k exitos al realizar n ensayos Bernoulli es
P (A) = Ckn pk q nk =
n!
pk q nk .
(n k)!k!
La expresion anterior se conoce como Formula de Bernoulli.

Ejemplo 32 En un examen de opci
on m
ultiple, una persona pretende contestar a las diez preguntas de forma aleatoria. Si cada pregunta tiene tres
posibles respuestas Cual es la probabilidad de que la persona acierte en todas
las preguntas?
Pensemos que cada pregunta es un ensayo Bernoulli, donde p es, la probabilidad de acertar, q la probabilidad de fallar, siendo facil determinar que p = 31
77
y q = 23 . As, la probabilidad de que la persona acierte a todas las preguntas

es
P =
Ckn pk q nk
10
C10
10 0 10
1
2
1
=
.
3
3
3
Ejemplo 33 Al lanzar 5 veces un dado, nos interesa obtener exactamente

dos veces un seis en cualquiera de los cinco lanzamientos. Cu
al es la probabilidad de que ocurra esto?
Solucion. Sea A el evento en que se obtiene exactamente dos veces seis
al lanzar cinco veces un dado. Cada lanzamiento es un ensayo que tiene
probabilidad de exito de 1/6 y probabilidad de fracaso de 5/6. Como solo
nos interesa tener dos exitos, entonces
P (A) =
Ckn pk q nk
5!
=
(5 2)!2!
2 3
1
5
= 0.16075103.
6
6
5.3
Probabilidad condicional
Cuarto principio de Laplace:

Cuando dos eventos dependen uno del otro, la probabilidad del
evento compuesto es el producto de la probabilidad del primero
por la probabilidad de que, habiendo sucedido este, tenga lugar
el otro.[5]
Con el ejemplo de eventos dependientes que expusimos anteriormente mostremos
como emplear el cuarto principio (una urna con 10 bolas, 5 blancas y 5 negras, donde el evento A es sacar la bola negra en la primera extraccion, y el
evento B es obtener la bola blanca en la segunda).
78
5
Como ya sabemos, el evento A ocurre con probabilidad igual a 10
. El evento
B depende del resultado de la primera extraccion, si ocurrio A, que es lo que
nos interesa, la probabilidad de B sera 95 , pues para la segunda extraccion
en la urna tendremos 5 bolas blancas y 4 negras. As, la probabilidad de que
ocurran los eventos A y B es
P (A)P (B | A) =
5
25
5
= .
10 9
90
La expresion P (B | A) se lee: probabilidad de que ocurra el evento B dado

que ocurrio el evento A. A esta probabilidad se le llama probabilidad condicional.
Quinto principio:
Si se calcula a priori la probabilidad de un evento acaecido y
la probabilidad de un evento compuesto de este y de otro que se
espera, la segunda probabilidad dividida por la primera constituir
la probabilidad del evento esperado, inferida del observado.[5]
El quinto principio es un resultado del cuarto. Matematicamente lo podemos
deducir de la expresion P (A)P (B | A) = P (A B) despejando P (B | A).
La probabilidad condicional es basicamente una reduccion, o reconsideracion
del espacio muestral debido a que poseemos informacion referente al fenomeno
aleatorio. Por ejemplo, si lanzamos un dado con los ojos vendados y pretendemos adivinar el resultado, pensaremos que cada valor tiene un sexto
de probabilidad, pero si alguien nos dice que el resultado es mayor que dos,
no tomaremos en cuenta ni al uno ni al dos y pensaremos que cada uno de
los cuatro posibles resultados restantes tiene igual probabilidad, es decir, un
cuarto.
Sean A y B dos eventos donde 0 < P (B), entonces la probabilidad condicional de A dado B, que denotamos como P (A | B), se podra calcular mediante la siguiente formula
P (A | B) =
P (A B)
.
P (B)
79
Ejemplo 34 Seg
un una encuesta, el 50 por ciento de una poblaci
on fuma
y el 10 por ciento fuma y es hipertensa. Cu
al es la probabilidad de que un
fumador sea hipertenso?
Solucion. Definimos: evento A, persona fumadora, evento B, persona que
fuma y es hipertensa. Aplicando la formula de probabilidad condicional
obtenemos
P (A | B) =
0.1
P (A B)
=
= 0.2.
P (B)
0.5
Si meditamos un poco sobre la relacion que existe entre el concepto de la

probabilidad condicional y el de eventos independientes no sera difcil llegar
a la siguiente conclusion:
Cuando los eventos A y B sean independientes, la probabilidad de A dado
B sera igual a la probabilidad de A.
Sabemos que dos eventos son independientes si se cumple la igualdad P (A
B) = P (A)P (B), por anterior es facil ver que P (A | B) = P (A).
Ejemplo 35 Se lanza una dado y una moneda, cu
al es la probabilidad de
obtener aguila con la moneda, cuando sabemos que se obtuvo un seis en el
dado?
Solucion. Definimos: evento A, obtener aguila con la moneda, evento B,
1
obtener seis con el dado. La probabilidad de de A B es 12
y la probabilidad
1
de B es 6 , as, la probabilidad condicional es
P (A B)
P (A | B) =
=
P (B)
1
12
1
6
1
= .
2
La probabilidad es un medio y es la misma de obtener aguila al lanzar la

moneda, es decir, el resultado del dado no influye en la moneda.
5.4
80
Regla de probabilidad total
Un acontecimiento puede tener muchas causas, en ocasiones para obtener la

probabilidad de un evento dado, es necesario valorar que tan probable es que
se presenten dichas causas; o en su defecto que tan probable es que haya sido
consecuencia de cierta causa, si es que el evento ya ocurrio.
Para ello, es necesario una particion del espacio muestral. Pensemos en un
conjunto de sucesos, o causas, que denotamos como B1 , B2 , . . . , Bn , y que
tendran las siguientes particularidades:
1. B1 B2 . . . Bn = para toda i diferente de j.
2. Bi Bj = , es decir, las intersecciones de cualquiera dos sucesos, o
causas, sera siempre el vacio.
Ahora pensemos en un evento A definido en este espacio muestral. La probabilidad del evento A se puede obtener como
P (A) = P (A | B1 )P (B1 ) + P (A | B2 )P (B2 ) + . . . + P (A | Bn )P (Bn ).
A esta formula se le conoce como Regla de probabilidad total. Para mostrar
como se obtiene la formula, observemos que al evento A lo podemos expresar
como (A B1 ) (A B2 ) . . . (A Bn ), que es la union de ventos ajenos,
por lo tanto
P (A) = P ((A B1 ) (A B2 ) . . . (A Bn ))
P (A) = P (A B1 ) + P (A B2 ) + . . . + P (A Bn ).
Observemos que la probabilidad de A B1 la podemos expresar como
P (A | B1 ) =
P (A B1 )
P (B1 )
81
P (A | B1 )P (B1) = P (A B1 ).
Sustituyendo P (A B1 ) por P (A | B1 )P (B1 ) en cada uno de los elementos

de la suma, (cada elemento de la suma se refiere a una B distinta pero el
despeje es igual), llegamos a
P (A) = P (A | B1 )P (B1 ) + P (A | B2 )P (B2 ) + . . . + P (A | Bn )P (Bn ).
Ejemplo 36 En cierto Estado hay tres candidatos para gobernador,A, B y
C. Por el contenido de su propaganda se piensa que de llegar el candidato A
al gobierno, los impuestos subir
an con probabilidad 0.6, en caso de que sea B
el candidato ganador, la probabilidad de que los impuestos suban es de 0.4,
y si es C es el vencedor la probabilidad es de 0.2. Con base en las u
ltimas
encuestas se cree que hasta ahora el candidato A tiene un 50 por ciento de
los votos, el candidato B el 30 por ciento y el resto son para el candidato C
Cual es la probabilidad de que suban lo impuestos?
Solucion. Sea K el evento de que suban los impuestos, y las letras A, B
y C representan el triunfo de cada uno de los candidatos. Los impuestos
tienen una probabilidad diferente de subir para cada candidato, por ejemplo,
para el candidato A la podemos expresar como P(K/A), pero antes de esto,
tiene que ganar el candidato A , lo que podemos representar como P(A),
as, la probabilidad de que los impuestos suban a causa del candidato A es
P(K/A)P(A), pues los eventos que acabamos de describir son independientes.
Lo anterior es similar con los tres candidatos, as que la probabilidad de que
suban los impuestos, que representamos con P(K), es
P (K) = P (K | A)P (A) + P (K | B)P (B) + P (K | C)P (C)

P (K) = 0.6(0.5) + 0.4(0.3) + 0.2(0.2) = 0.46.
5.5
82
Teorema de Bayes
Pensando en el ejemplo anterior. Supongamos que fuimos de viaje y nos

perdimos las elecciones. Al regresar sabemos que ya han subido los impuestos pero no sabemos quien es el candidato que resulto electo, Cual es
la probabilidad de que el candidato A sea el gobernador?
La probabilidad que deseamos calcular es P (A | K), es decir, estamos buscando la probabilidad de que el candidato ganador sea el A dado que han
subido los impuestos. Por la forma en que definimos la probabilidad condicional, y lo obtenido en el ejemplo anterior sabemos que
P (A | K) =
P (K A)
P (K A)
=
.
P (K)
P (K | A)P (A) + P (K | B)P (B) + P (K | C)P (C))
La probabilidad de K A la podemos calcular como P (K | A)P (A) =

(0.5)(.06) = 0.3.
La probabilidad de K ya la conocamos y es 0.46. As, pues, el resultado que
buscamos es
P (0.3)
P (A | K) =
= 0.6521.
P (.046)
Entonces, dado que subieron los impuestos es muy probable que el candidato
A haya sido electo como gobernador.
El problema anterior fue resuelto haciendo uso de un interesante teorema
conocido como Teorema de Bayes. El teorema dice lo siguiente:
Si los eventos B1 , B2 , . . . , Bn constituyen una division del espacio muestral
, donde P (Bi ) 6= 0, para i = 1, 2, 3, . . . , k, entonces para cualquier evento
A que este contenido en , se tiene que
P (Bj A)
P (Bj | A) = Pk
i=1 P (Bi A)
P (Bj )P (A | Bj )
= Pk
.
P
(B
)P
(A
|
B
)
i
i
i=1
83
Laplace expone el teorema de Bayes en el sexto de sus principios, y dice lo

siguiente:
Cada una de las causas a la que puede atribuirse un acontecimiento observado se halla indicada con una verosimilitud tanto
mayor cuanto mas probable sea que ocurra el acontecimiento si se
supone existente dicha causa. La probabilidad de la existencia de
cualquiera de estas causa es, pues, una fraccion cuyo numerador
la probabilidad del acontecimiento resultante de la de la causa
en cuestion y cuyo denominador es la suma de las probabilidades
semejantes relativas a todas las causas. Si estas distintas causas,
consideradas a priori, son desigualmente probables, entonces, en
lugar de la probabilidad del acontecimiento resultante de cada
causa, debemos emplear el producto de dicha probabilidad, por
la de la causa misma. Este es el principio fundamental de la rama
del analisis del azar que consiste en remontarse de los acontecimientos a las causas.[5]
Ya hemos estudiado los seis principios basicos que expone Laplace en su ensayo filosofico de las probabilidades. A continuacion veremos algunos ejemplos y en el siguiente captulo, y u
ltimo, revisaremos el concepto de esperanza.
5.6
Ejemplos
Ejemplo 37 En una carcel hay tres prisioneros, que llamaremos A, B y

C, dos de ellos seran liberados sin importar el crimen que hayan cometido,
pero los prisioneros desconocen quienes son los favorecidos. El carcelero,
que es amigo de A, tiene la informaci
on. A le pregunta al carcelero si sera
liberado, el carcelero no piensa que sea buena idea decrselo, pero accede a
informarle el nombre de un prisionero que quedar
a libre, ( C o B). A rechaza
esta propuesta argumentando que antes de saber quien es el otro prisionero
que sera liberado, el tiene una probabilidad de 2/3 de quedar libre, pero al
saber el nombre su probabilidad disminuira a 1/2. El prisionero argumenta
su postura de la siguiente forma: al ser tres los prisioneros, A, B y C, las
posibles parejas de liberados son AB, AC o BC. Al ser 3 las posibles parejas,
84
y al estar A en 2 de ellas, la probabilidad de que salga es de 2/3, pero al saber

A si B, por ejemplo, sera liberado, habra s
olo dos posibles parejas, AB o
BC, por lo tanto la probabilidad de A disminuira a 1/2. Ser
a cierto lo que
argumenta el prisionero A?
Solucion. El espacio muestral del problema anterior es {AB, AC, BC}. Los
puntos muestrales son igualmente probables, el prisionero A tiene razon al
decir que su probabilidad de ser liberado es de 2/3. Sin embargo, al hacer los
calculos tomando en cuenta la informacion brindada por el carcelero comete
errores; el prisionero A no contempla el hecho de que el carcelero puede dar
las respuestas B o C, con diferentes probabilidades, y estas dependeran de la
pareja que sea liberada. Por ejemplo, si la pareja liberada es AB el carcelero
mencionara a B con probabilidad 1, pues no puede mencionar a A, mientras
que si la pareja liberada es BC, entonces el carcelero mencionara a B con
probabilidad 1/2. El nuevo espacio muestral, tomando en consideracion la
informacion que proporciona el carcelero, consta de los cuatro casos siguientes:
1. AB son liberados y el carcelero dice B.
2. AC son liberados y el carcelero dice C.
3. BC son liberados y el carcelero dice B.
4. BC son liberados y el carcelero dice C.
En el caso 1, al ser liberados A y B, lo cual ocurre con una probabilidad de
1/3, el carcelero se vera obligado a mencionar a B. Por lo tanto la probabilidad de que ocurra el caso 1 es de 1/3. El caso 2 es similar al 1, y ocurre
con probabilidad igual a 1/3.
En el caso 3 la pareja BC es liberada con una probabilidad de 1/3, pero el
carcelero tendra dos posibles alternativas a saber B y C, por lo tanto dira B
con probabilidad 1/2, as que la probabilidad de que ocurra el caso 3 es de
(1/3)(1/2) = 1/6. La situacion es similar en el caso 4.
Al calcular la probabilidad de que el prisionero A salga de prision dado que
el carcelero menciona que B sera liberado obtenemos que:
P (A | B) =
P (A B)
=
P (B)
85
1
3
1
3
1
6
2
= .
3
Mostrando as que la probabilidad de que A sea liberado, dado que A sabe

que B sera liberado, es la misma que cuando lo desconoce.

Ejemplo 38 Ian Hacking, seg
un escribe en su libro, El surgimiento de la
probabilidad1, expresa que si alguien puede resolver el siguiente problema es
que sabe bastante de probabilidades.
Un hombre tiene 37 cerillos en una caja en su bolsillo izquierdo y 21 en una
caja en su bolsillo derecho, toma cualquiera de las cajas al azar y utiliza un
cerillos cual es la probabilidad de que llegue a un punto en que tenga un
fosforo en cada bolsillo?
Solucion. Denotemos con una I el evento de que el hombre seleccione el
bolsillo izquierdo para sacar de este la caja de cerillos, de forma similar
usaremos la letra D para la bolsa derecha. Del enunciado sabemos que
1
P (I) = P (D) = .
2
Lo que se desea es tener al final un cerillo en cada caja. En total tenemos
37 + 21 = 58 cerillos, de los cuales debemos utilizar 56, cuidando que los
2 restantes no esten en la misma caja, pensemos en A como el evento que
acabamos de describir.
Para resolver este problema, nos auxiliaremos del probelma d ela moneda.
Pensemos en lanzar 56 veces una moneda que tiene una I en una de sus caras
y en la otra una D, deseamos que al lanzar la moneda obtengamos 36 veces
la I y 20 D, por lo tanto
36 5636
1
1
56
P (A) = C36
2
2
1
Ian Hacking, El surgimiento de la probabilidad, 1995.
56!
=
(56 36)!36!
= 0.01090258.
86
36 20
1
1
2
2
As pues, la probabilidad de que al final haya un cerrillo en cada caja es

0.01090258, y al parecer, ya sabemos un poco de probabilidad.
Ejemplo 39 En el captulo 1 enunciamos el problema de la divisi
on, que
trataba lo siguiente: dos personas, que llamaremos A y B, apuestan 30 monedas cada una. El ganador ser
a aquel que primero acumule cuatro partidas
ganadas, las partidas pueden ser, por ejemplo, lanzamientos de monedas. En
cierta etapa del juego, donde A tiene ganadas dos partidas y B s
olo una, el
juego debe ser cancelado C
omo debe entonces repartirse el dinero si no se
concluyo el juego?
Solucion. Con Ai denotemos la probabilidad de que A gane la partida i, y
con Aci que la pierda, donde i puede tomar los valores 1, 2 o 3, pues de seguir
el juego despues de tres partidas seguro tendramos un ganador.
Existen tres formas o combinaciones que dan el triunfo a A; si A gana la
primera partida, o si pierde la primera y gana la segunda, o si pierde la
primera y la segunda y gana la tercera. Lo anterior lo podemos expresar en
terminos de probabilidad como sigue:
P (A) = P (A1 ) + P (Ac1 A2 ) + P (Ac1 Ac2 A3 )

1
1
1
1
1
1
=
+
+
2
2
2
2
2
2
7
=
.
8
La probabilidad de que A gane es de 7/8, por lo tanto la cantidad acumulada
debe dividirse en 8 partes y entregarle 7 de estas al jugador A.
87
Ejemplo 40 En una urna hay tres bolas azules, tres blancas y tres rojas. Se
sacan dos bolas una tras otra, sin reposici
on. Dado que en la segunda extraccion se obtuvo una bola blanca, cu
al es la probabilidad de que la primera
haya sido roja? Lo anterior suponiendo que por alguna raz
on no sabemos lo
que se obtuvo en la primera extracci
on.
Solucion. Denotemos con Ai el hecho de que en la extraccion i se obtuvo una
bola azul, con i = 1, 2. De forma similar usaremos Bi y Ri. Por ejemplo, B2
denota que obtuvimos una bola blanca en la segunda extraccion.
Lo que deseamos calcular es la probabilidad de que la primera bola extrada
haya sido roja, R1, dado que la segunda fue blanca, B2, es decir
P (R1 | B2) =
P (R1 B2)
P (B2)
P (B2 | R1)P (R1)

P (B2 | R1)P (R1) + P (B2 | A1)P (A1) + P (B2 | B1)P (B1)
3
3
8
93
3
= 3 3
3
2
+
+
8
9
8
9
8
9
3
.
=
8
=
Observacion: P (B2) es la probabilidad de que en la segunda extraccion se

obtenga un bola blanca, notemos que no se dice nada de la primera extraccion, podemos suponer fue una bola azul, y que la segunda fue blanca,
lo anterior lo podemos representar como P (B2 R1) = P (B2 | R1)P (R1).
Al ser tres los posibles colores para la primera extraccion llegamos a que
P (B2) = P (B2 | R1)P (R1) + P (B2 | A1)P (A1) + P (B2 | B1)P (B1).

Ejemplo 41 Pensemos nuevamente en una urna con tres bolas rojas, tres
azules y tres blancas. Se sacan dos bolas, sin reemplazo. En la primera
extraccion se obtuvo una bola que no es roja, cu
al es la probabilidad de que
en la siguiente extraccion se obtenga una bola blanca?
88
Solucion. Con la notacion que definimos en el ejemplo anterior, podemos

representar la probabilidad de que la segunda bola extrada sea blanca, B2,
dado que la primera no fue roja, A1 union B1, como sigue
P (B2 | A1 B1) =

P B2 (A1 B1)
P (A1 B1)
P (B2 A1) + P (B2 B1)
=
P (A1) + P (B1)
1

3
+ 82 13
8
3
=
6
9
5
=
.
16
As concluimos que la probabilidad de que en la segunda extraccion se obtenga
una bola blanca dado que en la primera extraccion se obtuvo una bola que
no es roja es 5/16.

Ejemplo 42 Problema del taxi. Un taxi se vio envuelto en un choque nocturno de pega y corre. Existen dos compa
nas de taxis en la ciudad, la
compa
na de taxis azules y la compa
na de taxis verdes. Se sabe que el 85
por ciento de los taxis de la ciudad son verdes y 15 por ciento azules. Un
testigo de la escena identifico el taxi que particip
o en el accidente como azul.
Este testigo fue probado bajo similares condiciones de visibilidad e hizo las
identificaciones correctas del color en el 80 por ciento de las instancias de
prueba. Cual es la probabilidad de que el taxi que particip
o en el accidente
fuera azul y no verde?
Solucion. Este problema (extrado del libro de J. Michael Shaughnessy [8]),
puede causar confusion. Michael Shaughnessy menciona que incluso personas
que ya han estudiado probabilidad, tienen dificultad para resolver problemas
como el del taxi. Antes de leer la solucion se recomienda tratar de resolverlo,
aunque no se llegue a la solucion.
89
Intuitivamente cual es la probabilidad de que el taxi que participo en el

accidente fuera azul? Se ha hecho el experimento de preguntar, a estudiantes
y maestros, por un resultado intuitivo para este problema, y las respuestas
tienden a ser 0.8, es decir, se desprecia la informacion relacionada con la
proporcion de taxis azules y verdes que hay en la ciudad, y se guan solo por
la informacion que brinda el testigo.
La solucion al problema que se propone es la siguiente. Supongamos que
se hace una prueba con 1000 taxis, seg
un lo enunciado en el problema, el
testigo identificara el color correctamente de un 80 por ciento, es decir, se
espera que de los 150 taxis azules que hay en la prueba, identificara a 120
como azules y se equivocara en 30 ocasiones diciendo que son verdes; para
los taxis azules sucede lo mismo, se equivocara en 170 ocasiones identificando
a los taxis verdes como azules y en 680 acertara. Con lo anterior podemos
construir el siguiente cuadro.
Azul
150 Azul 120 acierta
850 Verde
170
290
Verde
30
680 acierta
710
Para saber cual es la probabilidad de que el taxi que participo en el accidente

sea azul, debemos fijarnos en el total de taxis que el testigo identifica como
azules y compararlo con el n
umero de estos que realmente son azules. Por lo
tanto la probabilidad de que el taxi que participo en el accidentes sea azul es
de 120/290=0.4137. Notemos que el hecho de tomar a mil taxis como prueba
no afecta en nada el resultado.
Otra forma de solucionar el problema es haciendo uso del teorema de Bayes.
La particion del espacio muestral estara constituida por los eventos V y A,
es decir, por taxis verdes y azules. Tenemos que calcular la probabilidad de
que el taxi haya sido azul dado que el testigo lo identifico como azul, es decir,
P (A | T A), donde T A representa el hecho de que el testigo haya identificado
al taxi como azul. Haciendo uso del teorema de Bayes tenemos que
P (A | T A) =
P (A T A)
P (A T A) + P (V T A)
90
P (A)P (T A | A)
P (A)P (T A | A) + P (V )P (T A | V )
(0.15)(0.8)
=
(0.15)(0.8) + (0.85)(0.2)
= 0.4137.
=
La probabilidad de que el taxi haya sido azul dado que el testigo lo identifico
como azul, es 0.41 y no 0.8 como algunos piensan.

Ejemplo 43 Un argumento en favor de La Divina Providencia mediante el
uso de la teora de la probabilidad de John Arbuthnot.[3]
John Arbuthnot compara el n
umero de ni
nos y ni
nas bautizados entre los
a
nos de 1629 y 1710, observando que en estos 82 a
nos el n
umero de ni
nos
supera al de las ni
nas, es decir, que nacen mas ni
nos que ni
nas. Al suponer
que la probabilidad de que nazca un ni
no o una ni
na es la misma, es decir
un medio, es extra
no que durante estos 82 a
nos el nacimiento de ni
nos sea
superior. Pensemos que en cada a
no puede haber mas hombres o mujeres
con la misma probabilidad, entonces la probabilidad de que en cada uno de
los 82 a
nos hayan nacido mas hombres que mujeres es
1
1
=
.
82
2
48357032784585216698829704
La probabilidad es muy peque
na, por lo que Arbuthnot atribuye el hecho
de que nazcan mas hombres que mujeres a una intervencion Divina. El

argumenta que al ser los hombres los que van a las guerras, y en general que
sus labores son mas peligrosas, hay mas probabilidad de muerte para ellos,
as que para compensarlo nacen mas hombres que mujeres. Lo cual resulta un
ingenioso argumento, y es, de hecho, la primer prueba de hipotesis estadstica
que se haya publicado.
Captulo 6
Esperanza
Cuando decidimos comprar un boleto para una rifa o apostamos en un juego
de azar estamos cambiando nuestro dinero, o el bien que apostemos, por
el derecho a esperar lo que el azar nos pueda devolver, pero esperando
ganancias, claro esta. La esperanza es, dicen algunos, algo que no debemos perder. Los pioneros en los estudios de probabilidad, no se conformaron
con no perderla, sino que quisieron cuantificarla o mediarla, y con base en
esta tomar decisiones.
6.1
Esperanza matem
atica
En la teora de la probabilidad tambien existe el concepto de la esperanza

que se conoce como esperanza matematica. La palabra que se utilizo para
definir la esperanza fue expectatio, que es una palabra en latn, de all viene
el termino en ingles expectation, que se utiliza en lugar del termino hope
(esperanza). Basicamente la esperanza matematica es un promedio ponderado mediante la probabilidad de cada uno de los posibles resultados de un
experimento.
Entre los primeros escritos que se tienen sobre alguna idea intuitiva de la
esperanza estan los de Cardano [3], donde se expone una relacion entre la
cantidad apostada y las posibilidades de ganar. Por ejemplo, si dos jugadores,
91
CAPITULO 6. ESPERANZA
92
A y B, compiten para ganar un cantidad M de monedas, donde M se forma

con contribuciones equitativas de A y B, entonces las posibilidades de ganar,
para cada jugador tambien deberan ser iguales; de no ser as alguno de los
jugadores tendra ventaja, es decir, alguno tendra mayor esperanza de ganar.
Quien por primera vez expuso de manera concreta el concepto de esperanza
fue un joven holandes de nombre Christian Huygens, (1629-1695) [3]. El

explica que, si bien en los juegos de azar los resultados son inciertos, la
esperanza que tiene un jugador de perder o ganar es un valor calculable
e invariable si persisten las condiciones del juego. La idea de Huygens se
expone en la siguiente proposicion.
Si el n
umero de los azares que hay a favor de b es p, y el n
umero de azares
que hay a favor de c es q, eso vale tanto como si tuvieramos
bp + cq
.
p+q
Si reinterpretamos la formula de Huygens podemos llegar a una expresion
como
bp + cq
p
q
=b
+c
= b(p) + c(q).
p+q
p+q
p+q
Aunque en el teorema de Huygens no se especifica, suponemos que p + q
suma uno. Si se esta tratando de un problema de apuestas, las letras b
y c representan perdida y ganancia de un jugador y los cocientes son las
probabilidades de que ocurra b o c.
Podemos reescribir esta proposicion para un experimento aleatorio que tenga
infinidad de posibles resultados.
Si un experimento aleatorio puede tomar los valores x1 , x2 , . . .,xn , y conocemos las probabilidades de cada uno de estos valores, entonces la esperanza
de este experimento aleatorio que llamaremos X es
E(X) =
n
X
i=1
xi P (X = xi ).
93
Para ejemplificar, supongamos que dos jugadores, A y B, compiten por un

premio de 10 monedas de oro, de las cuales cada jugador aporto 5. Por
experiencia se cree que la probabilidad de ganar para A es de 6/10, y la de
B es 4/10. Por lo tanto la esperanza de A es
E(A) = (5)
4
6
+ (5) = 3 2 = 1.
10
10
Y la esperanza de B es
E(A) = (5)
4
6
+ (5) = 2 3 = 1.
10
10
En todos los problemas donde participen dos jugadores, y la cantidad de

dinero que este en juego sea contribucion de los dos, la esperanza sera
simetrica, a menos de que ambas sean cero.
La esperanza de A es de 1, pero como se interpreta esto? Para Huygens
la esperanza matematica es la utilidad promedio que se obtiene al realizar
una serie de juegos bajo las mismas condiciones. Es decir, si los jugadores
realizaran 50 juegos, se esperara que al final A obtenga una ganancia de
501 = 50 monedas. La anterior es una buena interpretacion de la esperanza,
pero que sucede si solo se juega una vez? Existe un problema, y es que al
efectuar solo un juego, es imposible que el jugador obtenga una ganancia de
1 moneda, pues pierde sus 5 monedas o gana las 5 del adversario, as que
aqu tenemos un problema en dicha interpretacion.
Otro enfoque para la esperanza es el que usa Pascal, este relaciona la esperanza matematica con derechos sobre la cantidad apostada. Recordemos
el problema de la division y resolvamoslo usando el concepto de esperanza
matematica. Supongamos que son 20 las monedas que estan en juego, son
dos los jugadores, A y B. Para que gane A debe obtener una partida, por su
parte B debe obtener 3, la probabilidad de ganar una partida es un medio
para cada jugador. Bajo los supuestos anteriores podemos obtener la probabilidad de ganar para cada jugador. Sea Ai el evento en el que A gana
la partida i, con i = 1, 2, 3, y Aci el evento en que pierde la partida. La
probabilidad de que A gane el juego es
94
P (A) = P (A1 ) + P (Ac1 A2 ) + P (Ac1 Ac2 A3 ) =
1 1 1
7
+ + = .
2 4 8
8
Entonces la esperanza de A es
1
60
7
E(A) = (10) + (10) =
= 7.5.
8
8
8
La esperanza de A es 7.5, esto es, la ganancia promedio que tendra en caso
de continuar con el juego. El dinero que gana el jugador A lo pierde B, por
lo tanto, B debera pagar 7.5 monedas de las 10 que en un principio aposto.
Con el concepto de esperanza podemos mostrar de una forma mas sencilla
cuando un juego es justo. Paradojicamente un juego sera justo cuando la
esperanza sea cero para cada jugador. Es decir, si la teora se refleja en
la practica, despues de una noche completa de estar jugando, cada jugador
se ira a casa con su dinero y ni una moneda mas. La siguiente ecuacion
representa la situacion tpica en un juego de azar que se supone es justo
E(A) = bp aq = 0.
bp = aq.
Donde p es la probabilidad de que A gane el juego, q es la probabilidad
de que pierda, a es la cantidad que puede perder y b la que puede ganar.
Observemos que bp = aq refleja la idea intuitiva de esperanza que manejaba
Cardano; si la probabilidad de un jugador es un medio, este debe aportar
la mitad del monto que esta en juego, si la probabilidad de ganar es menor
que un medio debera contribuir con un cantidad menor a la mitad del monto
apostado, es decir, se debe cumplir una relacion entre la cantidad que aporta
el jugador y la probabilidad que tenga de ganar.
6.2
95
Paradoja de San Petersburgo
La esperanza puede tomar valores negativos o positivos y hasta llegar a ser un

valor infinito; por ejemplo, en la Paradoja de San Petersburgo se muestra una
situacion en la que la esperanza es infinita. Este problema fue planteado por
el matematico suizo Nicolas Bernoulli en 1713, y posteriormente modificado y
publicado por su sobrino Daniel Bernoulli en las Transactions de la Academia
de San Petersburgo, Rusia[4].
Podemos describir la situacion que genera una esperanza infinita como sigue:
Un hombre dadivoso, un rey por ejemplo, decide regalar monedas de oro a
uno de sus s
ubditos, cuantas monedas? Eso dependera de la suerte. El
rey le ofrece al plebeyo dos opciones: una es tomar todas las monedas que
pueda guardar en sus bolsillos e irse con ellas, que podran ser 100 aproximadamente; la otra, mas interesante, es el pago de 2n monedas de oro, donde
n es el n
umero de lanzamientos de una moneda hasta que se obtenga cruz.
Por ejemplo, si en el primer lanzamiento se obtiene cruz, el rey entregara 2
monedas de oro, si es en el segundo lanzamiento el rey entregara 4 monedas,
etc. As, todas las posibles cantidades en monedas de oro, que el rey puede
regalar al plebeyo, estan contempladas en la siguiente sucesion
2, 4, 8, 16, . . . , 2n , . . .
Representemos con X la cantidad de monedas de oro que el rey regala al
plebeyo mediante la opcion dos. La probabilidad de que X sea igual a 2 es
1
, pues es la misma que obtener cruz en el primer lanzamiento. Para que
2
X sea igual a 4, el plebeyo debe obtener cara en el primer lanzamiento y
cruz en el segundo, cada uno de estos sucesos ocurre con probabilidad igual
a 12 , y al ser eventos independientes, la probabilidad de que ocurran ambos
es 12 12 = 14 . Es facil deducir que la probabilidad de que X sea igual a 2n es
1
, es decir, P (X = n) = 21n .
2n
Para obtener la ganancia promedio del plebeyo, si este decide elegir la opcion
dos, debemos calcular la esperanza de X. Recordemos que la esperanza
de un experimento aleatorio, es la suma de los valores que puede tener el
experimento, ponderados mediante la probabilidad de que ocurra cada uno
de ellos. Es decir,
96
E(X) =
xi P (X = xi )
2i
i=1
i=1
1
2i
1
1 4
= 2 + 4 + 8 + ...
2 1
8
= 1+1+1+
= .
Si el plebeyo opta por la opcion uno, la de llenar sus bolsillos con monedas
de oro, ganara aproximadamente 100 monedas. Con la otra opcion, la de
lanzar una moneda hasta obtener cruz, se espera que gane una infinidad de
monedas de oro! El plebeyo no tendra que pensar mucho para elegir una de
las opciones una infinidad de monedas de oro!. . . Yo tomara las monedas
que pudiera guardar en mis bolsillos.
Por que no elegir la opcion dos? El primer argumento en contra es que, el
n
umero de monedas que el rey tiene, seguramente es finito, (exceptuando el
caso en que sea un rey mago). Y podemos pensar que ciertamente no hay una
ganancia infinita, pero el resultado nos augura que ganaremos una cantidad
grande de monedas, veamos el siguiente argumento para desenga
narnos.
Con la opcion dos no hay forma de ganar 100 monedas pero un n
umero
proximo es 128, para esto se debe obtener cruz hasta el septimo lanzamiento,
la probabilidad de que ocurra esto es P (X = 7) = 217 = 0.0078125, es decir,
ocurre aproximadamente 8 de cada 1000 veces. Es decir, la probabilidad de
ganar una cantidad de monedas similar lo que se puede ganar con la primera
opcion es muy peque
na.
Podemos ser un poco mas persistentes y argumentar que la probabilidad que
debemos calcular para la segunda opcion es la de obtener una ganancia mayor
o igual a 128 monedas, y al hacerlo obtenemos que
P (X 128) = 1 [P (X = 2) + P (X = 4) + . . . + P (X = 64)]
97
= 1 0.984375
= 0.015625.
Lo que podemos interpretar como tener 1.5 oportunidades de 100 para obtener
una ganancia mayor con la segunda opcion. As que definitivamente es mejor
la primera opcion.
Recordemos, pues, que el valor que puede tomar la esperanza matematica
es cualquier n
umero real, pero hay que hacer nuestras interpretaciones con
cuidado.
6.3
Suma de precios justos
Huygens da por validos varios principios de la teora de la esperanza, por

ejemplo que los precios justos son aditivos. Supongamos que participamos
en dos loteras, en la primera el premio es 1000 pesos, el n
umero de boletos
es 100, y en la otra hay 500 boletos y el premio es de 10000 pesos. Para
que una lotera sea justa el valor del boleto debe ser igual al premio entre el
n
umero de boletos, por lo tanto el costo por boleto en la primera lotera es
de 10 pesos y en la otra lotera de 20 pesos. Como las loteras son justas si
compramos un boleto para cada una de ellas estaremos nuevamente en una
situacion de juego justo.
Representemos con X la situacion de participar en la primera lotera y con
Y en la segunda, entonces tenemos que
E(X) + E(Y ) = E(X + Y ).
Un juego es justo si la esperanza es cero, las loteras X y Y tienen esperanza
cero: En la lotera X podemos ganar 990 pesos, 1000 menos los 10 que
pagamos, con probabilidad 1/100, y perdemos 10 con probabilidad 99/100.
E(X) = (990)
1
99
+ (10)
= 9.9 9.9 = 0.
100
100
98
De forma analoga para Y, tenemos

E(Y ) = (9980)
499
1
+ (20)
= 19.96 19.96 = 0.
500
500
Con lo anterior podemos verificar que E(X) + E(Y ) = 0.

Para obtener la probabilidad de E(X + Y ) primero debemos entender lo que
significa X + Y . Con X representamos un experimento aleatorio, en este
caso la primera lotera, la cual puede tener dos resultados: ganar 990 pesos o
perder 10, y a cada uno de estos le asociamos una probabilidad. Semejante
para la segunda lotera. No hay que complicarnos mucho, pensemos en un
nuevo experimento Z, los valores que puede tomar Z son los posibles resultados de jugar en las dos loteras, es decir, todas las posibles combinaciones
de X + Y .
10 + (20) = 30
10 + 9980 = 9970
Z=
970 + (20) = 970
990 + (9980 = 10970
si
si
si
si
X
X
X
X
= 10 y Y = 20,
= 10 y Y = 9980,
= 970 y Y = 20,
= 970 y Y = 9980.
hemos construido el espacio muestral de Z, por lo que Z puede tomar 1 de 4

valores: -30, 9970, 970 o 10970. La probabilidad de cada uno de los puntos
muestrales es
P (Z = 30) = P (X = 10, Y = 20)

= P (X = 10)P (Y = 20)

99 499
=
100 500
= 0.98802,
P (Z = 9970) =
99 1
100 500
= 0.00198,
99

1 499
P (Z = 9970) =
= 0.00998,
100 500

1 1
P (Z = 10970) =
= 0.00002.
100 500
Ya definimos el espacio muestral de Z, y asociadomos una probabilidad a
cada uno de los puntos muestrales. En base a lo anterior es relativamente
facil obtener la esperanza de Z.
E(X + Y ) = E(Z)
= (30)(0.98802) + 9970(0.00198) + 997(0.00998)10970(0.00002)
= 0.
Lo anterior confirma que la suma de precios justos es tambien un precio justo.
Ademas la igualdad
E(X) + E(Y ) = E(X + Y ),
se cumple siempre.
6.4
Ejemplos
Ejemplo 44 Una persona puede elegir entre dos opciones para que le salden
una deuda de 100 pesos. La primera opci
on es recibir los 100 pesos, la
segunda es recibir un boleto para una rifa de 1000 pesos, en total son 10
boletos. Cual es la mejor opci
on?
Solucion. Utilizando al concepto de esperanza podemos tomar la mejor decision. La esperanza de la primera opcion es de 100. Para obtener la esperanza en la segunda opcion primero obtengamos la probabilidad de que gane
los 900 pesos (1000 menos los 100 que le deban), y la de que pierda sus 100
pesos.
100
P (ganar 900 pesos) =
1
10
P (perder 100 pesos) =
9
.
10
La esperanza de la segunda opcion es

E(X) = (900)
9
1
+ (100) = 90 90 = 0.
10
10
Como en la segunda opcion su esperanza es cero, sera mejor que pida que le
sean pagados sus 100 pesos.
En la conclusion anterior se esta cometiendo un error cual es? En realidad la
esperanza para la primera opcion, quedarse con los 100 pesos, no es 100, sino
cero, por que? Observemos que la esperanza que obtuvimos para la segunda
opcion, es para calcular la ganancia esperada, y la ganancia esperada es cero,
al igual que en la primera opcion. Al ser las dos esperanzas iguales a cero,
debemos entender que se espera que no ganemos y perdamos nada en ambos
casos, sin embargo hay que diferenciar que en un caso tenemos comprada
una oportunidad para ganar 1000 pesos, y en el otro caso tenemos los 100 en
efectivo. As, pues, en teora las dos opciones son iguales.

Ejemplo 45 La ruleta que se usa para apostar en los casinos consta de 38
areas identificadas por los n
umeros del 1 al 36 y los smbolos 0 y 00. Los
jugadores apuestan a uno de los 36 n
umeros y en caso de que salga su n
umero
reciben 36 veces lo que hayan apostado. La casa siempre gana cuando sale el
0 y el 00. Cual es la ganancia promedio del jugador?
Solucion. Pensemos que la apuesta del jugador es de una moneda. El jugador ganara 35 monedas con probabilidad 1/38, y perdera su moneda con
probabilidad 37/38, as la esperanza para el jugador es
E(jugador) = (1)P (pierda) + (35)P (gane) =
37 35
2
+
= .
38 38
38
101
La esperanza del jugador es de -2/38, que es aproximadamente - 0.052, y se

espera que pierda aproximadamente 5.2 por ciento de su dinero.

Ejemplo 46 Alicia se encuentra prisionera en una habitaci
on con cuatro
puertas identicas. Detras de cada puerta se esconde un duende. Alicia tendra
que abrir las puertas para conocer a cada uno de los duendes, una vez que
lo logre sera libre. Sin embargo, existe un problema, y es que los duendes
pueden moverse, es decir, cambiar de puerta, excepto el duende de la u
ltima
puerta que Alicia abrio. Cu
al es el n
umero esperado de veces que Alicia
tendra que abrir las puertas para poder conocer a los cuatro duendes y ser
libre?
Solucion. Sea N el n
umero de veces que Alicia abre las puertas. N se puede
calcular como
N = X1 + X2 + X3 + X4
donde X1 representa el n
umero de puertas que Alicia abre hasta conocer al
primer duende, X2 el n
umero de puertas que abre hasta conocer al segundo
duende, etc.
Debemos calcular E(N), o calcular E(X1 + X2 + X3 + X4 ), para conocer el
n
umero esperado de veces que Alicia debe abrir las puertas. Recordemos el
principio que Huygens aplica en las loteras donde se muestra que E(X) +
E(Y ) = E(X + Y ), y apliquemoslo a este problema para llegar a la siguiente
igualdad.
E(X1 + X2 + X3 + X4 ) = E(X1 ) + E(X2 ) + E(X3 ) + E(X4 ).
La esperanza de X1 es 1, lo anterior se debe al hecho de que cuando Alicia
abra la primera puerta seguro conocera a un duende. Como el duende que
se encuentra detras de la puerta que Alicia recien abrio no puede moverse,
en su segundo intento Alicia seguramente conocera a un nuevo duende, por
lo que la esperanza de X2 es tambien 1.
102
Hasta aqu todo marcha bien, pero para conocer al tercer duende empiezan
los problemas. Al abandonar la segunda puerta Alicia debe elegir una de las
tres restantes y al hacerlo no necesariamente conocera a un nuevo duende,
pues de los tres restantes ya conoce a uno. Para obtener la esperanza de X3
describamos su espacio muestral y asignemosle a cada elemento su probabilidad.
Denotemos con una F el hecho de que en su siguiente intento Alicia falle y
no conozca a un nuevo duende, y con una C el hecho de que tenga exito y
conozca a un nuevo duende. Puede ser que Alicia al abrir la siguiente puerta
conozca a un nuevo duende, o puede ser que no, es mas puede abrir diez o
mas veces las puertas sin conocer al duende diferente. Lo anterior lo podemos
representar con las siguientes cadenas de Fs y una C.
Cadena
de intentos.
C
FC
FFC
...F F C
N
umero de intentos (k)
k=1
k=2
k=3
Pueden ser infinitos
Ya describimos el espacio muestral, ahora para asignar probabilidades supongamos que cada vez que Alicia elige una puerta lo hace de manera independiente. Expresemos con la letra p la probabilidad de conocer a un nuevo
duende y con la letra q la probabilidad del complemento, es decir, q es la
probabilidad de no conocer a un nuevo duende. Por ejemplo, la probabilidad
de que Alicia conozca al tercer duende en su primer intento es
P (X3 = 1) = p.
Para que Alicia conozca al tercer duende en su segundo intento, en el primer
intento debe fallar y esto curre con probabilidad q, y en el segundo debe tener
exito, y esto ocurre con probabilidad p.
P (X3 = 2) = qp.
103
La formula para que Alicia conozca al tercer duende hasta el intento k es

P (X3 = k) = q k1 p.
Es decir, k-1 fracasos antes del primer exito. Para obtener la esperanza
aplicamos la formula y llegamos a
E(X3 ) =
kP (X3 = k) =
k=1
kq k1p.
k=1
Desarrollando la u
ltima suma obtenemos
E(X3 ) = p + 2qp + 3q 2 p + 4q 3 p + . . .
(6.1)
Si multiplicamos (6.1) por q

q(E(X3 )) = q(p+2qp+3q 2p+4q 3 p+. . .) = qp+2q 2 p+3q 3 p+4q 4p+. . . (6.2)
Al restar (6.1) menos (6.2) obtenemos
E(X3 ) q[E(X3 )] = p + qp + q 2 p + q 3 . . .
Enfoquemos nuestra atencion solo en la parte derecha de la u
ltima expresion
2
3
para mostrar que p + qp + q p + q . . . es igual a uno. Para empezar sea
S = p + qp + q 2 p + q 3 . . ..
Si multiplicamos S por q obtenemos
qS = qp + 2q 2 p + 3q 3 p + 4q 4 p . . .
Ahora restemos S menos qS.
S qS = p.
104
Despejando S
S qS = S(1 q) = p
S=
p
.
1q
Pero como sabemos que (1 q) = p, entonces

S=
p
p
= = 1.
1q
p
Sabiendo que p + qp + q 2 p + q 3 . . . = 1, entonces

E(X3 ) q(E(X3 ) = p + qp + q 2 p + q 3 . . . = 1
E(X3 ) q(E(X3 ) = 1
E(X3 )(1 q) = 1
E(X3 ) =
1
1
= .
1q
p
La probabilidad de conocer a un nuevo duende, dado que son tres las posibles
puertas y ya conocemos a uno, es de 2/3, es decir, p = 2/3 y q = 1/3,
sustituyendo el valor de p llegamos a
E(X3 ) =
1
2
3
3
= .
2
105
La esperanza de X4 se obtiene procediendo analogamente, la u

nica variante
es el valor de p, que sera igual a 1/3, es decir, la esperanza de X4 es
E(X4 ) =
1
1
3
= 3.
As, pues, podemos concluir que el n

umero promedio de veces que Alicia debe
abrir las puertas para conocer a los cuatro duendes es
E(N) = E(X1 ) + E(X2 ) + E(X3 ) + E(X4 ) = 1 + 1 +
3
+ 3 = 6.5.
2
Captulo 7
Conclusiones
El objetivo principal del presente texto es trasmitir conocimiento e ideas
sobre la teora de la probabilidad. Como consecuencia de esto, la mayora de
las conclusiones que obtuve estan orientadas a la forma en que desarrolle los
conceptos basicos de dicha teora.
A traves de la escritura del presente texto se ha logrado constatar algunos
de los supuestos que exponen los investigadores de la ense
nanza de la probabilidad, basandome principalmente en la discusion con diversas personas de
algunos de los ejemplos que presento, y observando los razonamientos que se
utilizaron para resolverlos. Resalta que en muchos casos uno de los errores
mas recurrentes es el no hacer distincion entre el tama
no del experimento.
Por ejemplo, al preguntar a una persona por la probabilidad de obtener cinco
veces sol al lanzar una moneda diez veces, generalmente se obtiene una respuesta similar a la que nos dara si preguntasemos por la probabilidad de
obtener cincuenta veces sol al lanzar cien veces una moneda, siendo que estas dos probabilidades son distintas. A este fenomeno se le conoce como
representatividad.
Para solucionar problemas de ense
nanza como el de la representatividad, una
posibilidad es la de escribir textos cortos que se centren en los dificultades que
se han identificado, y se pongan al alcance de los estudiantes de bachillerato
y licenciatura. Lo anterior puede funcionar no solo para la ense
nanza de la
probabilidad, sino de todas las areas del conocimiento.
106
CAPITULO 7. CONCLUSIONES
107
Algunas de las caractersticas que propongo para estos textos cortos son:
que se utilice el menor n
umero posible de expresiones matematicas, que se
interpreten los resultados obtenidos y los razonamientos que se utilizaron, que
se ofrezca mas de una solucion a los problemas planteados y, si es posible,
soluciones erroneas que parecieran ser correctas para as mostrar al estudiante
el razonamiento erroneo en el que se puede incurrir.
En este texto desarrolle algunas de las propuestas anteriores, mas a
un creo
que es mucho lo que se puede hacer. Me gustara en un futuro, hacer una
investigacion donde pudiera encontrar los principales temas o conceptos de
probabilidad con los que los estudiantes de bachillerato tienen problemas
y probar diferentes formas de explicar esos conceptos, para posteriormente
elaborar un texto mas didactico.
Bibliografa
[1] Blom, Gunnar, Holst Lars, Sandell Dennis. Problems and snapshots from
the world of probability. Springer-Verlag, 1994 .
[2] Borel, Emile,

Las probabilidades y la vida. oikos-tau, 1971.
[3] De Mora, Charles Marisol. Los inicios de la teora de la probabilidad:
siglos XVI y XVII. Servicio Editorial de la Universidad del Pas Vasco,
1972.
[4] Hacking, Ian. El surgimiento de la probabilidad. Gedisa, 1995.
[5] Laplace, Pierre Simon Marques de. Ensayo filos
ofico de las probabilidades. Alianza Editorial Mexicana, S.A., 1988.
[6] Perez Segu, Mara Luisa. Combinatoria. Instituto de Matematicas,
UNAM, Mexico, 2000.
[7] Rincon Meja, Hugo Alberto. Cuando cuentes cu
antos. . . Instituto de
Matematicas, UNAM, Mexico, 2002.
[8] Shaughnessy, J. Michael. Investigaci
on en probabilidad y estadstica:
Reflexiones y orientaciones. Departamento de Matematica Educativa,
CINVESTAV, Mexico, 1972.
[9] Vilenkin, N., De cuantas formas?
Mosc
u, 1972.
108
(Combinatoria). Editorial Mir,

Conceptos Basicos de Probabilidad

Hochgeladen von

Dokumentinformationen

Originalbeschreibung:

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Conceptos Basicos de Probabilidad

Hochgeladen von

Copyright:

Verfügbare Formate

1

UNIVERSIDAD NACIONAL AUTONOMA

CONSIDERACIONES SOBRE ALGUNOS CONCEPTOS

LUIS ENRIQUE CALVA SANCHEZ

Consideraciones sobre algunos conceptos

As pues, el dado es el utensilio por excelencia en los juegos de azar, y de ah

La obra de Cardano Liber de Ludo Aleae[3], escrita aproximadamente en

Figura 2.1: Gerolamo Cardano.

[. . .] la igualdad se encuentra siempre en la mitad de los n

Figura 2.2: Galileo Galilei(1564-1642).

Sopra le scoperte dei dadi(Sobre las tiradas de dados)[3].

Para obtener por suma un 2 necesariamente debemos conseguir un doble uno

Figura 2.3: Pierre de Fermat (1601-1665).

De la obra de Peverone intitulada Dos breves y f

Se representa con una a el hecho de que A gano la partida y con b que

Las combinaciones posibles son 27. Pascal, seg

Figura 2.4: Blaise Pascal (1623-1662).

Carta de Pascal a Fermat, lunes, 24 de agosto de 1654.[3]

Fermat a Pascal, viernes 25 de septiembre de 1654.[3]

La multiplicacion es el primer recurso que usamos para contar de una forma

Otra forma de representar los posibles resultados es el diagrama de arbol

Figura 3.1: Diagrama de arbol

A continuacion veremos algunos problemas de conteo, daremos una solucion

entonces n = 6: El total de posibles resultados al lanzar tres dados es

2. Cuantas banderas tricolores se pueden formar si se dispone de cuatro

Los resultados de problemas de este tipo, donde no hay reposici

n(n 1)(n 2) [n (k 1)]

En el caso de que haya reposicion y no importe el orden al extraer las bolas

Ejemplo 3 De cuantas maneras se pueden sentar 5 personas en una mesa

Solucion. En este problema nos interesa la posicion de las personas respecto

Solucion. Para cada combate debemos elegir a 2 de los 15 soldados. En

Solucion. Observemos que basta con formar un equipo, el otro se formara

Por lo anterior, y como se muestra a continuacion, sabemos que

Ejemplo 6 En efecto, el grupo beta se dividi

Poeta, cuentista y ensayista, nacido en Buenos Aires, Argentina, en el a

Solucion. Para elegir la primera letra tenemos 5 opciones, para la segunda

que estan marcadas con uno de los 13 smbolos siguientes: A, 2, 3, 4, 5, 6,

Este responde que la importancia de cada mano depende del n

Ejemplo 9 Obtener poker.

que son 19. Para saber cuantos alumnos no aprobaron ni matematicas ni

Para resolver este problema usaremos un metodo que consiste en el uso de

primer color que usaremos es el azul. Si deseamos pintar 2 esferas de azul,

Si ya logramos entender como es que se usan los separadores, la pregunta

En ocasiones posteriores, cuando usemos este metodo solo debemos saber el

Ejemplo 14 De cuantas maneras se pueden acomodar 6 personas en una

Ejemplo 16 Si en lugar de pedir que sean tres mujeres, pedimos que al

posibles resultados son 216. Por que habr

Ejercicio 1 En una carrera de bicicletas, que va desde la ciudad A hasta la

Como mencionamos en los captulos anteriores, Galileo, Cardano, Pascal y

Casos favorables al evento

La formula anterior fue desarrollada y utilizada de manera emprica mas

que es el resultado que esperabamos.

Pensemos en el problema de elegir un punto que este en el intervalo (0,1), y

y si bien, no es posible concluir que el dado no es honesto por obtener 19

Primer teorema del lmite

James Bernoulli (1654-1705), enuncio un resultado fundamental en su obra

Figura 4.1: James Bernoulli (1654-1705).

Al conjunto de todos los posibles resultados del fenomeno o experimento que

Siguiendo el razonamiento de Mere podemos escribir

Utilizando la idea de los eventos ajenos podemos resolver el problema planteado

llegando a una contradiccion, pues convenimos que no existe evento cuya

En nuestro problema A B se conforma de los puntos muestrales 4 y 2,

Ejemplo 19 Cual es la probabilidad de obtener 4 o 5